基于深度学习的英文文本分类源码+项目说明.zip

# LSTMRNN-paddlepaddle 基于深度学习的英文文本分类 数据集下载： * 百度AiStudio公开数据集下载地址：https://aistudio.baidu.com/aistudio/datasetdetail/54118 数据集以及路径介绍： ``` en_text //下载后的数据集放在这里 ├── unsup //未分类的英文本文，将是本次任务的预测数据 ├── test //测试集数据集，其中包含pos和neg两类数据 ├── pos └── neg └── train //训练集数据集，其中包含pos和neg两类数据 ├── pos └── neg ├── train.py //训练脚本 ├── infer.py //预测脚本 ├── model_path //模型保存路径，执行train.py生成 ├── 500 //默认每500步和最后一步保存一次，名称后缀不用管 └── 1000 ├── net.py //网络结构 ├── save_pre.txt //执行infer.py生成的预测结果 ├── word2id_dict //执行train.py生成的单词对照表 ``` 训练环境关键包依赖 * paddlepaddle-gpu == 1.8.4.post97 执行方式（注意，以下脚本有生成文件指令，请附带sudo权限）： ``` 1.开始训练 python train.py 说明：此处会调用readdata.py中的函数，生成字典文件‘word2id_dict’ 训练的默认超参数均在train.py中可以查看 模型会保存至model_path路径中 因GPU设备环境限制可以将代码中的use_gpu = True改为False，采用cpu训练 2.评估网络模型 python infer.py 说明：infer.py中的model_path是指定的模型文件路径，例如默认的为：model_path = 'model_path/500' 预测的文件会生成至save_path文件中，生成为txt文件 因GPU设备环境限制可以将代码中的use_gpu = True改为False，采用cpu训练 ``` 训练部分迭代过程展示： ``` step 950, loss 0.002 step 960, loss 0.001 step 970, loss 0.000 the acc in the test set is 0.783 ``` 预测过程展示： ``` 预测结果保存路径： save_pre.txt 过程较慢，耐心等待，有空点赞以及留言等，谢谢各位啦~ 保存进度： 1 % 保存进度： 2 % 保存进度： 3 % 保存进度： 4 % ``` 预测结果部分展示： ``` en_text/unsup/42446_0.txt------->0 en_text/unsup/3356_0.txt------->0 en_text/unsup/5675_0.txt------->0 en_text/unsup/44521_0.txt------->1 en_text/unsup/12931_0.txt------->1 en_text/unsup/719_0.txt------->0 en_text/unsup/37765_0.txt------->0 ```