Day23-pytorch(6)iris资料集示范classifier模型pytorch完整训练过程

先import各种会用到的套件

载入iris资料集
此载入iris方式我是使用别人提供的方法
此资料集包含六个栏位
Id ，不会用到，只是标明这是第几个资料
SepalLengthCm，萼片长度，资料型态为浮点数，无缺失值
SepalWidthCm，萼片宽度，资料型态为浮点数，无缺失值
PetalLengthCm，花瓣长度，资料型态为浮点数，无缺失值
PetalWidthCm ，花瓣宽度，资料型态为浮点数，无缺失值
Species，花的种类，资料型态为物件，无缺失值

资料前处理
我们的训练目标为Species栏位，可是它的资料型态是物件不是数值，所以无法拿下去train
使用sklearn.preprocessing中的LabelEncoder将其都转为数字

将pandas转为numpy
使用dataframe索引将会用到的栏位转为numpy
iris_x为我们的特徵值，iris_y为我们的训练目标

正规化
正规化特徵值，以利训练模型

分成train_set与validate_set
使用sklearn.model_selection中的train_test_split
将资料分成训练集、验证集

转换成tensor
使用pytorch训练前，记得将资料转成tensor才可运算
x资料dtype设为float32，y资料dtype设为long

Dataset

DataLoader

model
模型的样子随便你怎麽设
要注意两点:
第一个输入必须与资料特徵值相同
输出数需与资料要分成的类别数相同，我们要分成三种，所以设为3

criterion、epoch、optimizer、n_batch
大部分都与昨天的介绍相同
只有criterion不一样，因为是分类模型，这里使用了CrossEntropyLoss
pytorch的CrossEntropyLoss里已经有内建softmax，所以我们的model不用自己加入softmax

训练模型
这里我只介绍与昨天不同的地方
criterion是CrossEntropyLoss，後面要放入的target资料dimension必须是1
label=label.view(-1)，将y资料改成了dimension为1的样子
with torch.no_grad(): 表示停止运算微分
其下面的程序码在计算在train资料集的正确率
torch.max(pre,1)会送回每一行最大值及最大值的索引值
我们只需用到索引值所以pre前面为底线
n_sample总共有几笔资料
n_correct预测正确的有几笔资料

验证集正确率

送上colab连结，可自行在上面多做点练习更加熟悉pytorch
https://colab.research.google.com/drive/1xDiomDrQSUEx79qYHTixelzSmMK7ho8C?usp=sharing