基于华为云ModelArts进行鸢尾花分类实验 | 【玩转华为云】

鸢尾花分类实验

1实验介绍

本实验将使用MindSpore深度学习框架，使用鸢尾花数据集，搭建简单的全连接神经网络，完成鸢尾花种类分类任务。

鸢尾属约有300个品种，本实验将对下列3个品种进行分类：setosa、versicolor、virginica。数据集包含4个特征：sepal_length、sepal_width、petal_length、petal_width

如图所示，标签中0代表setosa、1代表versicolor、2代表virginica

2实验过程

• 读取数据集，数据预处理

1. fromnumpy import genfromtxt
2. # 读取数据集
3. iris_data = genfromtxt('iris.csv', delimiter=',')
5. iris_data = iris_data[1:] # 移除第一行
6. X = iris_data[:,:4].astype(np.float32) # 特征
7. y = iris_data[:,-1].astype(np.int32) # 标签
9. # 数据归一化
10. X /= np.max(np.abs(X),axis=0)
12. # 划分数据集
13. X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=2, random_state=42) 

• 转换数据格式

1. # 训练集
2. train_data = (X_train, y_train)
3. train_data = ds.NumpySlicesDataset(train_data)
5. # 测试集
6. test_data = (X_test, y_test)
7. test_data = ds.NumpySlicesDataset(test_data)
9. # 批处理
10. train_data = train_data.batch(32)
11. test_data = test_data.batch(32)  

• 定义网络

1. # 包含输入层、1个隐藏层和输出层，激活函数选择ReLu
2. classmy_net(nn.Cell):
3. # 定义算子
4. def __init__(self):
5. super(my_net, self).__init__()
6. fc1 = nn.Dense(4, 10) # 全连接层
7. fc2 = nn.Dense(10, 3) # 全连接层
8. relu = nn.ReLU() # 激活函数
10. # 建构网络
11. def construct(self, x):
12. x = self.fc1(x)
13. x = self.relu(x)
14. x = self.fc2(x)
15. return x 

• 模型训练与评估

1. # 网络
2. net = my_net()
4. # 损失函数
5. net_loss = SoftmaxCrossEntropyWithLogits(sparse=True)
6. # sparse，输出不是one hot编码时设为Ture
8. # 优化器
9. lr = 01# 学习率
10. momentum = 9# 动量
11. net_opt = nn.Momentum(net.trainable_params(), lr, momentum)
13. # 模型
14. model = Model(net, net_loss, net_opt, metrics={"accuracy": Accuracy()}) 
16. # 训练
17. train(10, train_data)
19. # 评估
20. eval(test_data)

 图 4