準備資料以供分析

在本教學課程 的上一個階段中，我們在您的電腦上安裝 PyTorch。 現在，我們將使用它來設定程式碼與我們將用來建立模型的資料。

在 Visual Studio 中開啟新的專案。

1. 開啟 Visual Studio，然後選擇 create a new project 。

2. 在搜尋列中，輸入 Python 並選取 Python Application 作為專案範本。

3. 在組態視窗中：

• 命名專案。 在這裡，我們稱之為 DataClassifier 。
• 選擇專案的位置。
• 如果您使用 VS2019，請確定 Create directory for solution 已核取 。
• 如果您使用 VS2017，請確定 Place solution and project in the same directory 未核取。

按 create 以建立您的專案。

建立 Python 解譯器

現在，您需要定義新的 Python 解譯器。 這必須包含您最近安裝的 PyTorch 套件。

1. 流覽至解譯器選取專案，然後選取 Add Environment ：

2. 在 Add Environment 視窗中，選取 Existing environment ，然後選擇 Anaconda3 (3.6, 64-bit) 。 這包括 PyTorch 套件。

若要測試新的 Python 解譯器和 PyTorch 套件，請在檔案中輸入下列程式碼 DataClassifier.py ：

from __future__ import print_function 

import torch 

x=torch.rand(2, 3) 

print(x) 

輸出應該是類似下面的隨機 5x3 張量。

注意

有興趣深入了解嗎？ 流覽 PyTorch 官方網站 。

瞭解資料

我們將在費舍爾的鳶尾花資料集上定型模型。 這個著名的資料集包含三種鳶尾花物種中的 50 筆記錄：鳶尾花 setosa、鳶尾花和鳶尾花維西色。

已發行數個資料集版本。 您可以在 UCI 機器學習 存放庫 找到鳶尾花資料集 、直接從 Python Scikit-learn 程式庫 匯入資料集，或使用先前發佈的任何其他版本。 若要瞭解鳶尾花資料集，請流覽 其維琪百科頁面 。

在本教學課程中，為了示範如何使用表格式輸入來定型模型，您將使用匯出至 Excel 檔案的鳶尾花資料集。

Excel 表格的每一行都會顯示虹膜的四個特徵：花瓣長度，以 cm 為單位的花瓣寬度，以 cm 為單位的花瓣長度，以 cm 為單位的花瓣寬度。這些功能將作為您的輸入。 最後一個資料行包含與這些參數相關的鳶尾花類型，並代表回歸輸出。 資料集總共包含四個特徵的 150 個輸入，每一個都符合相關的鳶尾花類型。

迴歸分析會查看輸入變數與結果之間的關聯性。 根據輸入，模型將瞭解如何預測正確的輸出類型-三種鳶尾花類型之一：鳶尾花、鳶尾花-維西色、鳶尾花。

重要

如果您決定使用任何其他資料集來建立自己的模型，則必須根據您的案例指定模型輸入變數和輸出。

載入資料集。

1. 下載 Excel 格式的鳶尾花資料集。 您可以在這裡 找到它。

2. DataClassifier.py在 [方案總管 Files] 資料夾中的 檔案 中，新增下列 import 語句，以存取我們需要的所有套件。

import torch 
import pandas as pd 
import torch.nn as nn 
from torch.utils.data import random_split, DataLoader, TensorDataset 
import torch.nn.functional as F 
import numpy as np 
import torch.optim as optim 
from torch.optim import Adam 

如您所見，您將使用 pandas （Python 資料分析） 套件來載入和運算元據和 torch.nn 套件，其中包含用於建置神經網路的模組和可延伸類別。

3. 將資料載入記憶體，並確認類別數目。 我們預期會看到每個鳶尾花類型的 50 個專案。 請務必指定您電腦上的資料集位置。

將下列程式碼新增至 DataClassifier.py 檔案。

# Loading the Data
df = pd.read_excel(r'C:…\Iris_dataset.xlsx') 
print('Take a look at sample from the dataset:') 
print(df.head()) 

# Let's verify if our data is balanced and what types of species we have  
print('\nOur dataset is balanced and has the following values to predict:') 
print(df['Iris_Type'].value_counts()) 

當我們執行此程式碼時，預期的輸出如下所示：

若要能夠使用資料集並定型模型，我們需要定義輸入和輸出。 輸入包含 150 行特徵，輸出是鳶尾花類型資料行。 我們將使用的類神經網路需要數值變數，因此您將輸出變數轉換成數值格式。

4. 在資料集中建立新的資料行，以數值格式表示輸出，並定義回歸輸入和輸出。

將下列程式碼新增至 DataClassifier.py 檔案。

# Convert Iris species into numeric types: Iris-setosa=0, Iris-versicolor=1, Iris-virginica=2.  
labels = {'Iris-setosa':0, 'Iris-versicolor':1, 'Iris-virginica':2} 
df['IrisType_num'] = df['Iris_Type']   # Create a new column "IrisType_num" 
df.IrisType_num = [labels[item] for item in df.IrisType_num]  # Convert the values to numeric ones 

# Define input and output datasets 
input = df.iloc[:, 1:-2]            # We drop the first column and the two last ones. 
print('\nInput values are:') 
print(input.head())   
output = df.loc[:, 'IrisType_num']   # Output Y is the last column  
print('\nThe output value is:') 
print(output.head()) 

當我們執行此程式碼時，預期的輸出如下所示：

若要定型模型，我們需要將模型輸入和輸出轉換成 Tensor 格式：

5. 轉換為 Tensor：

將下列程式碼新增至 DataClassifier.py 檔案。

# Convert Input and Output data to Tensors and create a TensorDataset 
input = torch.Tensor(input.to_numpy())      # Create tensor of type torch.float32 
print('\nInput format: ', input.shape, input.dtype)     # Input format: torch.Size([150, 4]) torch.float32 
output = torch.tensor(output.to_numpy())        # Create tensor type torch.int64  
print('Output format: ', output.shape, output.dtype)  # Output format: torch.Size([150]) torch.int64 
data = TensorDataset(input, output)    # Create a torch.utils.data.TensorDataset object for further data manipulation 

如果我們執行程式碼，預期的輸出會顯示輸入和輸出格式，如下所示：

有 150 個輸入值。 大約 60% 是模型定型資料。 您將會保留 20% 的驗證，30% 用於測試。

在本教學課程中，訓練資料集的批次大小定義為 10。 訓練集中有 95 個專案，這表示平均有 9 個完整批次逐一查看定型集一次（一個 epoch）。 您將保留驗證和測試集的批次大小為 1。

6. 分割資料以定型、驗證和測試集：

將下列程式碼新增至 DataClassifier.py 檔案。

# Split to Train, Validate and Test sets using random_split 
train_batch_size = 10        
number_rows = len(input)    # The size of our dataset or the number of rows in excel table.  
test_split = int(number_rows*0.3)  
validate_split = int(number_rows*0.2) 
train_split = number_rows - test_split - validate_split     
train_set, validate_set, test_set = random_split( 
    data, [train_split, validate_split, test_split])    
 
# Create Dataloader to read the data within batch sizes and put into memory. 
train_loader = DataLoader(train_set, batch_size = train_batch_size, shuffle = True) 
validate_loader = DataLoader(validate_set, batch_size = 1) 
test_loader = DataLoader(test_set, batch_size = 1)

後續步驟

隨著資料準備就緒，是時候 定型 PyTorch 模型了