案例介绍：
- 人名分类案例是多分类问题，根据人名预测属于哪个国家
- 人名->x,国家->y
- 监督学习，历史数据中已知y
案例步骤：
1.数据预处理
获取常用字符以及国家类别
# 导入torch工具
from cProfile import label
import torch
# 导入nn准备构建模型
import torch.nn as nn
import torch.optim as optim
from jax.experimental.rnn import rnn_bwd_p
from sympy.physics.vector.printing import params
# 导入torch的数据源 数据迭代器工具包
from torch.utils.data import DataLoader, Dataset
# 用于获得常见字母及字符规范化
import string
# 导入时间工具包
import time
# 引入制图工具包
import matplotlib.pyplot as plt
# todo:1-获取字符数量，26个大小写字母和常用标点符号，57个字符数量->one-hot编码维度数对应
all_letters = string.ascii_letters + " .,;'"
n_letters = len(all_letters)
print('all_letters（字符）-->', all_letters)
print('n_letters（字符长度）-->', n_letters)
# todo:2-获取国家和数量 国家名->预测结果 数量->输出层的输出特征数
categories = ['Italian', 'English', 'Arabic', 'Spanish', 'Scottish', 'Irish', 'Chinese', 'Vietnamese', 'Japanese',
'French', 'Greek', 'Dutch', 'Korean', 'Polish', 'Portuguese', 'Russian', 'Czech', 'German']
n_categories = len(categories)
print('categories（国家）-->', categories)
print('n_categories（国家长度）-->', n_categories)
加载数据获取x和y列表
def read_data(filepath):
# todo:1-定义两个空列表，用来分别存储x和y数据
x_list, y_list = [], []
# todo:2-将数据文件读取到内存中
with open(filepath, 'r', encoding='utf8') as f:
# todo:3-循环遍历文本中的每行数据
for line in f.readlines():
# todo:4-删除长度小于等于5的行数据：异常样本
if len(line) <= 5:
continue # 跳出当前循环，进入下一步循环
# todo:5-先将\n删除，然后再根据\t分割符对每行数据进行分割，x和y
x, y = line.strip().split('\t')
# print('x-->', x)
# print('y-->', y)
# todo:6-将每行数据的x和y分别保存到列表中
x_list.append(x)
y_list.append(y)
# print('x_list的样本数-->', x_list)
# print('y_list的样本数-->', y_list)
return x_list, y_list
构建张量数据源
# todo:1-创建张量数据集类
class NameClassDataset(Dataset):
# todo:2-定义构造方法 __init__方法
def __init__(self, x_list, y_list):
# 定义三个属性
self.x_list = x_list
self.y_list = y_list
# 计算样本长度
self.sample_len = len(x_list)
# todo:3-定义__len__方法，调用len()函数的时候，返回魔法方法的值
def __len__(self):
return self.sample_len
# todo:4-定义__getitem__方法，调用索引的时候，返回魔法方法的值
def __getitem__(self, index):
# 修正索引，解决越界问题，不报错
index = min(max(index, 0), self.sample_len - 1)
# print(f'index(索引)-->', index)
# 获取index下对应的x和y的数据
x = self.x_list[index]
y = self.y_list[index]
# print(f'x(x数据)-->', x)
# print(f'y(y数据)-->', y)
# 对x进行one-hot编码
# 每个tensor_x都是一个二位向量，第一个维度：人名的字符数量（词数量），第二个维度：词向量维度->词汇表的长度
tensor_x = torch.zeros(size=(len(x), n_letters))
# print(f'tensor_x: {tensor_x}, tensor_x.shape: {tensor_x.shape}')
for i, letter in enumerate(x): # enumerate(x)->{0:A, 1:b, 2:l}
# tensor_x对应的索引的位置上设置为1
# [i]->获取二维全0张量的第i个样本(字符), 返回一维张量
# all_letters.find(letter)->根据字符获取字符串中的对应位置下标
# [i][all_letters.find(letter)] -> 获取一维张量中字符所在位置, 将位置的0值修改为1
tensor_x[i][all_letters.find(letter)] = 1
# categories.index(y): 根据y元素获取categories列表中的位置下标
tensor_y = torch.tensor(data=categories.index(y), dtype=torch.long)
# print(f'tensor_x(one-hot)--->: {tensor_x}, tensor_x.shape: {tensor_x.shape}')
# print(f'tensor_y(one-hot): {tensor_y}, tensor_y.shape: {tensor_y.shape}')
return tensor_x, tensor_y
2.构建RNN模型
传统RNN模型
class RNN(nn.Module):
# todo:1-定义构造方法，定义模型参数
def __init__(self, input_size, hidden_size, output_size, num_layers=1):
super().__init__()
# 定义属性
self.input_size = input_size
self.hidden_size = hidden_size
self.output_size = output_size
self.num_layers = num_layers
# 定义rnn层
self.rnn = nn.RNN(input_size=self.input_size, hidden_size=self.hidden_size, num_layers=self.num_layers)
# 定义输出层
# 线性计算
# in_features：rnn隐藏层维度数 128
# out_feature：国家类别个数 18
self.linear = nn.Linear(in_features=self.hidden_size, out_features=self.output_size)
# logsoftmax计算
# Log
