【学习】深度学习代码各个步骤都是为了啥（一）

​
​

活动地址：CSDN21天学习挑战赛

学习日记

**
一个深度学习的例子，代码一般会包括以下几个步骤：

1. 设置GPU
2. 加载数据
3. 处理数据
   1. 归一化
   2. 设置测试集
4. 构建模型
5. 激活模型
6. 训练模型
7. 结果可视化
   1. 绘制loss图
   2. 预测
   3. 评估

设置GPU

gpus = tf.config.list_physical_devices("GPU")
if gpus:
    tf.config.experimental.set_memory_growth(gpus[0], True)  
     #设置GPU显存用量按需使用
    tf.config.set_visible_devices([gpus[0]],"GPU")

1
2
3
4
5
6

通过tf.config.list_physical_devices，我们可以获得当前主机上某种特定运算设备类型（如 GPU 或 CPU ）的列表
所以这段话就是，获取机器的gpu列表，然后用第一个

加载数据

# 支持中文
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签，运行配置参数中的字体（font）为黑体（SimHei）
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

data = pd.read_csv('./datasets/SH600519.csv')  # 读取股票文件

"""
前(2426-300=2126)天的开盘价作为训练集,表格从0开始计数，2:3 是提取[2:3)列，前闭后开,故提取出C列开盘价
后300天的开盘价作为测试集
"""
training_set = data.iloc[0:2426 - 300, 2:3].values  
test_set = data.iloc[2426 - 300:, 2:3].values  


1
2
3
4
5
6
7
8
9
10
11
12
13
14

plt.rcParams[‘配置参数’]=[修改值] 是在修改matplotlib的配置

然后把数据读到data对象里

iloc[ : , : ]
前面的冒号就是取行数，后面的冒号是取列数
左闭右开原则

处理数据

归一化

#数据转换的范围是[0,1]，sc代表min和max
sc           = MinMaxScaler(feature_range=(0, 1))
#sc代表min和max，fit找出每列的Min和Max，将x(i,j)代入归一化公式进行transform
training_set = sc.fit_transform(training_set)
#每一列数据的归一化公式已确定，直接代入数据就可以。
#这里不用再次fit是因为sc.fit_transform(training_set)已经确定了每列的归一化公式。由此可知test_set归一化数据，并不是把数据映射到 [ 0，1 ] ，只是用了和training_set一样的归一化公式。
test_set     = sc.transform(test_set) 

1
2
3
4
5
6
7
8

sklearn 库有六大模块，分别是分类、回归、聚类、降维、模型选择和预处理preprocessing。MinMaxScaler()函数在preprocessing模块，用来实现数据的归一化，即把数据映射到 [ 0，1 ] 。

设置测试集

# 设置测试集训练集
x_train = []
y_train = []

x_test = []
y_test = []
1
2
3
4
5
6

这里就是设置了几个对象留着给后面用

…

先写到这里，后面的下一篇介绍。