开放能力
开发平台
行业应用
生态合作
开发与教学
资讯 社区 控制台
技术能力
语音技术
图像技术
文字识别
人脸与人体识别
视频技术
AR与VR
自然语言处理
知识图谱
数据智能
场景方案
部署方案
行业应用
智能教育
智能医疗
智能零售
智能工业
企业服务
智能政务
智能农业
信息服务
智能园区
智能硬件
BML 全功能AI开发平台

    Sklearn 0.23.2代码规范

    Sklearn 0.23.2代码规范

    基于Sklearn 0.23.2框架的结构化数据的多分类问题,训练数据集sklearn_train_data.zip点击这里下载。
    如下所示是其超参搜索任务中一个超参数组合的训练代码,代码会通过argparse模块接受在平台中填写的信息,请保持一致。另外该框架支持发布保存模型为pickle和joblib格式,并且在发布至模型仓库时需要选择相应的模型文件。

    sklearn0.23.2_autosearch.py示例代码

    # -*- coding:utf-8 -*-
    """ sklearn train demo """
    import os
    import argparse
    import time
    from sklearn.model_selection import train_test_split
    from sklearn.metrics import f1_score
    from sklearn import svm
    import pandas as pd
    import numpy as np
    from rudder_autosearch.sdk.amaas_tools import AMaasTools
    
    def parse_arg():
        """parse arguments"""
        parser = argparse.ArgumentParser(description='Sklearn iris Example')
        parser.add_argument('--train_dir', type=str, default='./train_data',
                            help='input data dir for training (default: ./train_data)')
        parser.add_argument('--test_dir', type=str, default='./test_data',
                            help='input data dir for test (default: ./test_data)')
        parser.add_argument('--output_dir', type=str, default='./output',
                            help='output dir for auto_search job (default: ./output)')
        parser.add_argument('--job_id', type=str, default="job-1234",
                            help='auto_search job id')
        parser.add_argument('--trial_id', type=str, default="0-0",
                            help='auto_search id of a single trial')
        parser.add_argument('--metric', type=str, default="f1_score",
                            help='evaluation metric of the model')
        parser.add_argument('--data_sampling_scale', type=float, default=1.0,
                            help='sampling ratio of the dataset for auto_search (default: 1.0)')
        parser.add_argument('--kernel', type=str, default='linear',
                            help='kernel function (default: "linear")')
        parser.add_argument('--C', type=float, default=1,
                            help='penalty term (default: 1)')
        parser.add_argument('--gamma', type=float, default=0.5,
                            help='parameter of the kernel (default: 0.5)')
    
        args = parser.parse_args()
        args.output_dir = os.path.join(args.output_dir, args.job_id, args.trial_id)
        if not os.path.exists(args.output_dir):
            os.makedirs(args.output_dir)
        print("job_id: {}, trial_id: {}".format(args.job_id, args.trial_id))
        return args
    
    def load_data(train_dir, data_sampling_scale):
        """ load data """
        # 共150条数据,训练120条,测试30条,进行2,8分进行模型训练
        # 每条数据类型为 x{nbarray} [6.4, 3.1, 5.5, 1.8]
        # 上传的数据储存在./train_data和./test_data中
        inputdata = pd.read_csv(train_dir + "/iris.csv")
        target = inputdata["Species"]
        inputdata = inputdata.drop(columns=["Species"])
        # 切分,测试训练2,8分
        x_train, x_test, y_train, y_test = train_test_split(inputdata, target, test_size=0.2, random_state=0)
        train_data = np.concatenate([x_train, y_train.ravel().reshape([-1, 1])], axis=1)
        np.random.seed(0)
        np.random.shuffle(train_data)
        train_data = train_data[0:int(data_sampling_scale * len(train_data))]
        x_train, y_train = train_data[:, 0:-1], train_data[:, -1]
        return (x_train, x_test), (y_train, y_test)
    
    def save_model(model, output_dir):
        """ save model with pickle format """
        import pickle
        with open(output_dir + '/clf.pickle', 'wb') as f:
            pickle.dump(model, f)
    
    def save_model_joblib(model, output_dir):
        """ save model with joblib format """
        try:
            import joblib
        except:
            from sklearn.externals import joblib
        joblib.dump(model, output_dir + '/clf.pkl')
    
    def evaluate(model, x_test, y_test):
        """evaluate"""
        # 多分类f1_score指标
        predict = model.predict(x_test)
        f1 = f1_score(y_test, predict, average="micro")
        print("f1_score: %f" % f1)
        return f1
    
    def report_final(args, metric):
        """report_final_result"""
        # 结果上报sdk
        amaas_tools = AMaasTools(args.job_id, args.trial_id)
        metric_dict = {args.metric: metric}
        for i in range(3):
            flag, ret_msg = amaas_tools.report_final_result(metric=metric_dict,
                                                                 export_model_path=args.output_dir,
                                                                 checkpoint_path="")
            print("End Report, metric:{}, ret_msg:{}".format(metric, ret_msg))
            if flag:
                break
            time.sleep(1)
        assert flag, "Report final result to manager failed! Please check whether manager'address or manager'status " \
                     "is ok! "
    
    def main():
        """ main """
        # 获取参数
        args = parse_arg()
        # 加载数据集
        (x_train, x_test), (y_train, y_test) = load_data(args.train_dir, args.data_sampling_scale)
        # 模型定义
        model = svm.SVC(C=args.C, kernel=args.kernel, gamma=args.gamma)
        # 模型训练
        model.fit(x_train, y_train)
        # 模型保存
        save_model(model, args.output_dir)
        # 模型评估
        f1 = evaluate(model, x_test, y_test)
        # 上报结果
        report_final(args, metric=f1)
    
    if __name__ == '__main__':
        main()

    示例代码对应的yaml配置如下,请保持格式一致

    random_search_demo.yml示例内容

    #搜索算法参数
    search_strategy:
      algo: RANDOM_SEARCH #搜索策略:随机搜索
    
    #单次训练时数据的采样比例,单位%
    data_sampling_scale: 100 #|(0,100] int类型
    
    #最大搜索次数
    max_trial_num: 10 # |>0 int类型
    
    #评价指标参数
    metrics:
      name: f1_score #评价指标 | 任意字符串 str类型
      goal: MAXIMIZE #最大值/最小值 | str类型   MAXIMIZE or MINIMIZE   必须为这两个之一(也即支持大写)
      expected_value: 100 #早停标准值,评价指标超过该值则结束整个超参搜索,单位% |无限制 int类型
    
    #搜索参数空间
    search_space:
      kernel: #核函数
        htype: choice
        value: ["linear", "rbf"]
      C: #惩罚项
        htype: loguniform
        value: [0.001, 1000]
      gamma: #核函数参数
        htype: loguniform
        value: [0.0001, 1]
    上一篇
    Pytorch 1.7.1代码规范
    下一篇
    XGBoost 1.3.1代码规范