首页 > 编程语言> 文章详细

Python性别识别

2022-01-09 12:05:12 阅读：305 来源： 互联网

标签：loss Python batch len train eval model 识别性别

男女的身高和体重有着显著的差别，此次Python程序的任务是根据一个人的身高和体重，简单判断他（她）的性别。

采用最简单的单层神经网络，logistic regression模型，模型输入一个人身高和体重，判断性别男女。

训练样本是sex_train.txt的文本，部分训练样本数据如下，第一列数字为身高（m）；第二列数字为体重（kg）；第三列数字指的是性别，其中1指代男性，2指代女性。

代码需要自定义Dataset类和getitem读取数据

Dataset中读取数据并放入变量Data中，通过strip去掉空格和换行符，里面的words【0】，words【1】，words【2】分别代表读取身高，体重和性别。getitem根据索引取出数据。

len函数获取样本个数

网络模型的输入输出

训练的函数

实际训练是以Dataloader加载训练样本，并以批次进行训练，batchsize表示训练单元。

正式训练设置epochs表示学习的轮数，epochs=100，进行100轮的训练。

model.train()进入训练模式，model.eval进入检测模式。

第二次for循环是取一个批次的样本进行输出。

epochs = 100
    for epoch in range(epochs):
        # training-----------------------------------
        model.train()
        train_loss = 0
        train_acc = 0
        for batch, (batch_x, batch_y) in enumerate(train_loader):
            batch_x, batch_y = Variable(batch_x), Variable(batch_y)
            out = model(batch_x)
            loss = loss_func(out, batch_y)
            train_loss += loss.item()
            pred = torch.max(out, 1)[1]
            train_correct = (pred == batch_y).sum()
            train_acc += train_correct.item()
            print('epoch: %2d/%d batch %3d/%d  Train Loss: %.3f, Acc: %.3f'
                  % (epoch + 1, epochs, batch, math.ceil(len(train_data) / batchsize),
                     loss.item(), train_correct.item() / len(batch_x)))

            optimizer.zero_grad()
            loss.backward()
            optimizer.step()
        scheduler.step()  # 更新learning rate
        print('Train Loss: %.6f, Acc: %.3f' % (train_loss / (math.ceil(len(train_data)/batchsize)),
                                               train_acc / (len(train_data))))
        # evaluation--------------------------------
        model.eval()
        eval_loss = 0
        eval_acc = 0
        for batch_x, batch_y in val_loader:
            batch_x, batch_y = Variable(batch_x), Variable(batch_y)
            out = model(batch_x)
            loss = loss_func(out, batch_y)
            eval_loss += loss.item()
            pred = torch.max(out, 1)[1]
            num_correct = (pred == batch_y).sum()
            eval_acc += num_correct.item()
        print('Val Loss: %.6f, Acc: %.3f' % (eval_loss / (math.ceil(len(val_data)/batchsize)),
                                             eval_acc / (len(val_data))))
        # save model --------------------------------
        if (epoch + 1) % 1 == 0:
           torch.save(model.state_dict(), 'output/params_' + str(epoch + 1) + '.pth')

最后训练样本的效果

20220109

标签：loss,Python,batch,len,train,eval,model,识别,性别
来源： https://blog.csdn.net/Qcristal/article/details/122390727

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

Python性别识别