使用飞桨构建波士顿房价预测模型

当读者习惯使用飞桨框架后会发现程序呈现出“八股文”的形态，即不同的程序员、使用不同模型、解决不同任务的时候，他们编写的建模程序是极其相似的。只要通过一个示例程序掌握使用飞桨的方法，编写不同任务的多种建模程序将变得容易。

使用飞桨构建波士顿房价预测模型

                                                                                    图1 使用飞桨框架构建神经网络过程

在数据处理之前，需要先加载飞桨框架的相关类库。

#加载飞桨、Numpy和相关类库
inport paddle
import paddle.fluid as fluid
import paddle.fluid.dygraph as dygraph  #动态图
from paddle.fluid.dygraph import FC   #全连接层
import numpy as np
import os
import random

代码中参数含义如下：
paddle/fluid:飞桨的主库，目前大部分的实用函数均在paddle.fluid包内。

dygraph:动态图的类库，用户无需预先定义完整的网络结构，每写一行网络代码，即可同时获得结果。

FC：神经网络的全连接层函数，即包含所有输入权重相加和激活函数的基本神经元结构。在房价预测任务中，使用只有一层的神经网络（全连接层）来实现线性回归模型。

数据处理：

数据处理的代码不依赖于框架实现。

def load_data():
    #从文件导入数据
    datafile = './work/housing.data'
    data = np.formfile(datafile, sep='')

    #每条数据包括14项，其中前面13项是影响因素，第14项是相应的房屋价格中位数
    feature_names = ['CRIM', 'ZN', 'INDUS', 'CHAS', 'NOX', 'RM', 'AGE', \
                      'DIS', 'RAD', 'TAX', 'PTRATIO', 'B', 'LSTAT', 'MEDV']
    feature_num = len(feature_names)
 
    #将原始数据进行Reshape，变成[N,14]这样的形状
    data = data.reshape([data.shape[0] // feature_num, feature_num])
    #将原数据集拆成训练集和测试集
    #这里使用80%的数据做训练，20%的数据做测试
    #测试集和训练集必须是没有交集的
   
    ratio = 0.8
    offset = int(data.shape[0] * ratio)
    training_data = data[:offset]
 
    #计算train数据集的最大值，最小值，平均值
    maximums, minimums,avgs = training_data.max(axis=0),training_data.min(axis=0),\
                                training_data.sum(axis=0) / training_data.shape[0]
  
   #记录数据的归一化参数，在预测时对数据做归一化
   global max_values
   global min_values
   global avg_values
   max_values = maxmums
   min_values = minmums
   avg_values = avgs

#对数据进行归一化处理
   for i in range(feature_num):
   data[:,1] = (data[:i] - avgs[i]) / (maximums[i] - minimums[i])

   #训练集和测试集的划分比例
   training_data = data[:offset]
   test_data = data[offset:]
   return training_data, test_data

模型设计：

模型定义的实质是自定义线性回归的网络结构，飞桨通过创建python类的方式完成模型网络的定义，即定义init函数和forward函数。forward函数是框架指定实现前向计算逻辑的函数，程序在调用模型实例时会自动执行forward方法。在forward函数中使用的网络层需要在init函数中声明。

实现过程分如下两步：

1.定义init函数：在类的初始化函数中声明每一层网络的实现函数。在房价预测模型中，只需定义一层全连接层FC.

2.定义forward函数：构建神经网络结构，实现前向计算过程，并返回预测结果，在本次任务中返回的是房价预测结果。

class Regressor(fluid.dygraph.Layer):
    def_init_(self, name_scope):
        super(Regressor, self)._init_(name_scope)
        name_scope = self.full_name()
        #定义一层全连接层，输出维度是1，激活函数是None,既不是用激活函数
        self.fc = Linear(input_dim=13, output_dim=1, act=None)

    #网络的前向计算函数
    def forward(self,inputs):
        x = self.fc(inputs)#把输入做全连接层
        return x

训练配置：

训练配置过程包含四步，如图所示：

 

#定义飞桨动态图的工作环境,以grard函数指定运行训练的机器资源，表明在with作用域下的程序均执行在本机的CPU资源上。
#dygraph.guard表示在with作用域下的程序会以飞桨动态图的模式执行
with fluid.dygraph.guard():
    #声明定义好的线性回归模型，
    model =Regressor("Regressor")
    #开启模型训练模式
    model.train()
    #load_data函数加载训练数据和测试数据
    training_data, test_data = load_data()
    #定义优化算法，这里使用随机梯度下降——SGD
    #学习率设置为0.01
    opt = fluid.optimizer.SGD(learning_rate=0.01,parameter_list=model.parameters())

我们实现梯度下降法编写了大量代码，而使用飞桨框架只需要定义SDG就可以实现优化器设置。

训练过程：

训练过程采用二层循环嵌套方式：

内层循环：负责整个数据集的一次遍历，采用分批次方式（batch).假设数据集样本数量为1000，一个批次有10个样本，则遍历一次数据集的批次数量是1000/10=100，即内层循环需要执行100次。

外层循环：定义遍历数据集的次数，通过参数epoch_num设置

batch的取值会影响模型训练效果。batch过大，会增加内存消耗和计算时间，且效果不会明显提升。batch过小，每个batch的样本数据将会没有意义。由于房价预测模型的训练数据集较小，这里我们设置batch的数量为10.

每次内循环都需要执行如下四个步骤，如图

                                                                                                  图 内循环计算过程

1.数据准备：将一个批次的数据转变成np.array和内置格式。

2.前向计算：将一个批次的样本数据装入网络，计算输出结果

3.计算损失函数：以前向计算的结果和真实结果，通过损失函数square_error_cost计算出损失函数值（Loss）

4.反向传播：执行梯度反向传播backward函数，即从后到前逐层计算每一层的梯度，并根据设置的优化算法更新参数opt.minimize.

with dygraph.guard(fluid.CPUPlace()):
    EPOCH_NUM = 10   # 设置外层循环次数
    BATCH_SIZE = 10  # 设置batch大小
    
    # 定义外层循环
    for epoch_id in range(EPOCH_NUM):
        # 在每轮迭代开始之前，将训练数据的顺序随机的打乱
        np.random.shuffle(training_data)
        # 将训练数据进行拆分，每个batch包含10条数据
        mini_batches = [training_data[k:k+BATCH_SIZE] for k in range(0, len(training_data), BATCH_SIZE)]
        # 定义内层循环
        for iter_id, mini_batch in enumerate(mini_batches):
            x = np.array(mini_batch[:, :-1]).astype('float32') # 获得当前批次训练数据
            y = np.array(mini_batch[:, -1:]).astype('float32') # 获得当前批次训练标签（真实房价）
            # 将numpy数据转为飞桨动态图variable形式
            house_features = dygraph.to_variable(x)
            prices = dygraph.to_variable(y)
            
            # 前向计算
            predicts = model(house_features)
            
            # 计算损失
            loss = fluid.layers.square_error_cost(predicts, label=prices)
            avg_loss = fluid.layers.mean(loss)
            if iter_id%20==0:
                print("epoch: {}, iter: {}, loss is: {}".format(epoch_id, iter_id, avg_loss.numpy()))
            
            # 反向传播
            avg_loss.backward()
            # 最小化loss,更新参数
            opt.minimize(avg_loss)
            # 清除梯度
            model.clear_gradients()
    # 保存模型
    fluid.save_dygraph(model.state_dict(), 'LR_model')

结果如下

epoch: 0, iter: 0, loss is: [0.2289829]
epoch: 0, iter: 20, loss is: [0.09159696]
epoch: 0, iter: 40, loss is: [0.03548922]
epoch: 1, iter: 0, loss is: [0.05100339]
epoch: 1, iter: 20, loss is: [0.07086861]
epoch: 1, iter: 40, loss is: [0.08796145]
epoch: 2, iter: 0, loss is: [0.03347154]
epoch: 2, iter: 20, loss is: [0.13305981]
epoch: 2, iter: 40, loss is: [0.05589986]
epoch: 3, iter: 0, loss is: [0.07707483]
epoch: 3, iter: 20, loss is: [0.08691163]
epoch: 3, iter: 40, loss is: [0.069935]
epoch: 4, iter: 0, loss is: [0.03368948]
epoch: 4, iter: 20, loss is: [0.01867739]
epoch: 4, iter: 40, loss is: [0.04288226]
epoch: 5, iter: 0, loss is: [0.09595467]
epoch: 5, iter: 20, loss is: [0.05239206]
epoch: 5, iter: 40, loss is: [0.01245855]
epoch: 6, iter: 0, loss is: [0.01723538]
epoch: 6, iter: 20, loss is: [0.04102365]
epoch: 6, iter: 40, loss is: [0.02536126]
epoch: 7, iter: 0, loss is: [0.0421977]
epoch: 7, iter: 20, loss is: [0.0456106]
epoch: 7, iter: 40, loss is: [0.01641047]
epoch: 8, iter: 0, loss is: [0.04945276]
epoch: 8, iter: 20, loss is: [0.0992526]
epoch: 8, iter: 40, loss is: [0.10382986]
epoch: 9, iter: 0, loss is: [0.02595497]
epoch: 9, iter: 20, loss is: [0.01914127]
epoch: 9, iter: 40, loss is: [0.00614125]

保存并测试模型：

将模型当前的参数数据model.state_dict()保存到文件中（通过参数指定保存的文件名 LR_model），以备预测或校验的程序调用，代码如下所示。

#定义飞桨动态图工作环境
with fluid.dygraph.guard():
    #保存模型参数，文件名为LR_model
    fluid.save_dygraph(model.state_dict, 'LR_model')
    print("模型保存成功，模型参数保存在LR_model中")

模型测试：

下面我们选择一条数据样本，测试下模型的预测效果。测试过程和在应用场景中使用模型的过程一致，主要可分成如下三个步骤：

1. 配置模型预测的机器资源。本案例默认使用本机，因此无需写代码指定。
2. 将训练好的模型参数加载到模型实例中。由两个语句完成，第一句是从文件中读取模型参数；第二句是将参数内容加载到模型。加载完毕后，需要将模型的状态调整为evalueation（校验）。上文中提到，训练状态的模型需要同时支持前向计算和反向传导梯度，模型的实现较为臃肿，而校验和预测状态的模型只需要支持前向计算，模型的实现更加简单，性能更好。
3. 将待预测的样本特征输入到模型中，打印输出的预测结果。

通过load_one_example函数实现从数据集中抽一条样本作为测试样本，具体实现代码如下所示。

def load_one_example(data_dir):
    f = open(data_dir, 'r')
    datas = f.readlines()
    # 选择倒数第10条数据用于测试
    tmp = datas[-10]
    tmp = tmp.strip().split()
    one_data = [float(v) for v in tmp]

    # 对数据进行归一化处理
    for i in range(len(one_data)-1):
        one_data[i] = (one_data[i] - avg_values[i]) / (max_values[i] - min_values[i])

    data = np.reshape(np.array(one_data[:-1]), [1, -1]).astype(np.float32)
    label = one_data[-1]
    return data, label

with dygraph.guard():
    # 参数为保存模型参数的文件地址
    model_dict, _ = fluid.load_dygraph('LR_model')
    model.load_dict(model_dict)
    model.eval()

    # 参数为数据集的文件地址
    test_data, label = load_one_example('./work/housing.data')
    # 将数据转为动态图的variable格式
    test_data = dygraph.to_variable(test_data)
    results = model(test_data)

    # 对结果做反归一化处理
    results = results * (max_values[-1] - min_values[-1]) + avg_values[-1]
    print("Inference result is {}, the corresponding label is {}".format(results.numpy(), label))

结果如下所示：