标签：设置 位置 www. models elf **kwargs main 函数返回 shuff
使用的主要部分包括：Dateset、 Dateloader、MSELoss、PackedSequence、pack_padded_sequence、pad_packed_sequence
模型包含LSTM模块。
参考了下面两篇博文，总结了一下。
http://www.cnblogs.com/lindaxin/p/8052043.html#commentform
https://blog.csdn.net/lssc4205/article/details/79474735
使用Dateset构建数据集的时候，在__getitem__函数中
def __getitem__(self, index): ‘‘‘ get original data 此处省略获取原始数据的代码 input_data，output_data 数据shape是 seq_length * feature_dim ‘‘‘ # 当前seq_length小于所有数据中的最长数据长度，则补0到同一长度。 ori_length = input_data.shape[0] if ori_length < self.max_len: npi = np.zeros(self.input_feature_dim, dtype=np.float32) npi = np.tile(npi, (self.max_len - ori_length,1)) input_data = np.row_stack((input_data, npi)) npo = np.zeros(self.output_feature_dim, dtype=np.float32) npo = np.tile(npo, (self.max_len - ori_length,1)) output_data = np.row_stack((output_data, npo)) return input_data, output_data, ori_length, input_data_path
在模型中，forward的实现中，需要在LSTM之前使用pack_padded_sequence、在LSTM之后使用pad_packed_sequence，中间还涉及到顺序的还原之类的操作。
def forward(self, input_x, length_list, hidden=None): if hidden is None: # 这里没用 配置中的batch_size，而是直接在input_x中取batch_size是为了防止last_batch的batch_size不是配置中的那个，引发bug h_0 = input_x.data.new(self.directional*self.layer_num, input_x.shape[0], self.hidden_dim).fill_(0).float() c_0 = input_x.data.new(self.directional*self.layer_num, input_x.shape[0], self.hidden_dim).fill_(0).float() else: h_0, c_0 = hidden ‘‘‘ 省略模型其他部分，直接进去LSTM前后的操作 ‘‘‘ _, idx_sort = torch.sort(length_list, dim=0, descending=True) _, idx_unsort = otrch.sort(idx_sort, dim=0) input_x = input_x.index_select(0, Variable(idx_sort)) length_list = list(length_list[idx_sort]) pack = nn_utils.rnn.pack_padded_sequence(input_x, length_list, batch_first=self.batch_first) output, hidden = self.BiLSTM(pack, (h0, c0)) un_padded = nn_utils.rnn.pad_packed_sequence(output, batch_first=self.batch_first) un_padded = un_padded[0].index_select(0, Variable(idx_unsort)) # 此时的un_padded已经完成了还原，并且补0完成，而且这时的补0到的序列长度是当前batch的最长长度，而不是Dateset中的全局最长长度！
# 所以在main train函数中也要对label的seq做处理 return un_padded
main train中，要对label做相应的截断处理，算loss的时候，MSELoss的reduce参数要设置成false，让loss函数返回一个loss矩阵，再构造一个掩膜矩阵mask，矩阵相乘求和得到真的loss（达到填充0的位置不参与loss的目的）
def train(**kwargs):
train_data = my_dataset()
train_dataloader = DataLoader(train_data, opt.batch_size, shuffle=True, num_workers=opt.num_workers)
model = getattr(models, opt.model)(batchsize=opt.batch_size)
criterion = torch.nn.MSELoss(reduce=False)
lr = opt.lf
optimizer = torch.optim.Adam(model.parameters(), lr=lr, weight_decay=opt.weight_decay)
for epoch in range(opt.start_epoch, opt.max_epoch):
for ii, (data, label, length_list,_) in tqdm(enumerate(train_dataloader)):
cur_batch_max_len = length_list.max()
data = Variable(data)
target = Variable(label)
optimizer.zero_grad()
score = model(data, length_list)
loss_mat = criterion(score, target)
list_int = list(length_list)
mask_mat = Variable(t.ones(len(list_int),cur_batch_max_len,opt.output_feature_dim))
num_element = 0
for idx_sample in range(len(list_int)):
num_element += list_int[idx_sample] * opt.output_feature_dim
if list_int[idx_sample] != cur_batch_max_len:
mask_mat[idx_sample, list[idx_sample]:] = 0.0
loss = (loss_mat * mask_mat).sum() / num_element
loss.backward()
optimizer.step()
标签：设置 位置 www. models elf **kwargs main 函数返回 shuff
原文地址：https://www.cnblogs.com/chengebigdata/p/8993990.html
