paddlets.models.classify.dl.paddle_base

class PaddleBaseClassifier(loss_fn: ~typing.Optional[~typing.Callable[[...], ~paddle.Tensor]] = None, optimizer_fn: ~typing.Callable[[...], ~paddle.optimizer.optimizer.Optimizer] = <class 'paddle.optimizer.adam.Adam'>, optimizer_params: ~typing.Dict[str, ~typing.Any] = {'learning_rate': 0.001}, eval_metrics: ~typing.List[str] = [], callbacks: ~typing.List[~paddlets.models.common.callbacks.callbacks.Callback] = [], batch_size: int = 32, max_epochs: int = 10, verbose: int = 1, patience: int = 4, seed: ~typing.Union[None, int] = None)[源代码]

基类：BaseClassifier

所有paddle深度时序分类模型的基类。

参数

loss_fn (Callable[..., paddle.Tensor]|None) – 损失函数。
optimizer_fn (Callable[..., Optimizer]) – 优化器算法。
optimizer_params (Dict[str, Any]) – 优化器参数。
eval_metrics (List[str]) – 模型评估指标。
callbacks (List[Callback]) – 自定义回调函数。
batch_size (int) – 每个批次的样本数量
max_epochs (int) – 训练过程中最大迭代轮数
verbose (int) – 模型日志模式
patience (int) – 模型训练过程中, 当评估指标超过一定轮数不再变优，模型提前停止训练。
seed (int|None) – 全局随机种子，注: 保证每次模型参数初始化一致。

_loss_fn

损失函数。

Type: Callable[…, paddle.Tensor]|None

_optimizer_fn

优化器算法。

Type: Callable[…, Optimizer]

_optimizer_params

优化器参数。

Type: Dict[str, Any]

_eval_metrics

模型评估指标。

Type: List[str]

_callbacks

自定义回调函数。

Type: List[Callback]

_batch_size

每个批次的样本数量

Type: int

_max_epochs

训练过程中最大迭代轮数

Type: int

_verbose

模型日志模式

Type: int

_patience

模型训练过程中, 当评估指标超过一定轮数不再变优，模型提前停止训练。

Type: int

_seed

全局随机种子，注: 保证每次模型参数初始化一致。

Type: int|None

_classes_（ndarray）: 分类类别，有可能是字符串组成的列表

_n_class

分类的数量

Type: int

_stop_training

Type: bool

_fit_params

根据TSDataset自动推断各种参数。

Type: Dict[str, Any]

_network

网络结构。

Type: paddle.nn.Layer

_optimizer

Optimizer.

Type: Optimizer

_metrics

评估方法实例列表。

Type: List[Metric]

_metrics_names

评估方法名称列表。

Type: List[str]

_metric_container_dict

Dict of metric container.

Type: 评估方法的容器。

_history

历史信息。

Type: History

_callback_container

一个包含回调实例的容器

Type: CallbackContainer

check_tsdataset(tsdataset: TSDataset)[源代码]

确保输入数据的鲁棒性（一致的特征顺序），检查数据类型是否兼容。如果没有，处理逻辑如下。

1> Floating: Convert to np.float32.

2> Missing value: Warning.

3> Other: Illegal.

参数: tsdataset (TSDataset) – 被检查的数据

fit(train_tsdatasets: List[TSDataset], train_labels: ndarray, valid_tsdatasets: Optional[List[TSDataset]] = None, valid_labels: Optional[ndarray] = None)[源代码]

训练一个深度模型，存储在self._network中。使用train_dataloader做为训练集，valid_dataloader做为验证集。

参数

train_tsdataset (TSDataset) – 训练集
train_labels – 训练数据的标签
valid_tsdataset (TSDataset|None) – 验证集，用于早停
valid_labels – 验证数据的标签

predict(tsdatasets: List[TSDataset]) → ndarray[源代码]

预测结果。以数组方式返回

参数: tsdataset (List[TSDataset]) – 被预测数据
返回: 多维数组

predict_proba(tsdatasets: List[TSDataset]) → ndarray[源代码]

获取每条样本在每个类别上的概率。

参数

tsdataset (List[TSDataset]) – 被预测数据
labels – 预测数据的标签

返回

多维数组

score(tsdatasets: List[TSDataset], labels: ndarray) → float[源代码]

计算预测结果的准确率

参数

tsdataset (List[TSDataset]) – 被预测数据
labels – 预测数据的标签

返回

float，预测结果准确率

save(path: str) → None[源代码]

将一个Paddle分类模型基类实例保存在磁盘文件中。

参数: path (str) – 一个包含模型文件名的字符串格式的路径。
引发: ValueError –

static load(path: str) → PaddleBaseClassifier[源代码]

从给定的文件中加载 PaddleBaseClassifier 模型实例。

参数: path (str) – 一个包含模型文件名的字符串格式的路径。
返回: 已加载的PaddleBaseClassifier模型实例
返回类型: PaddleBaseClassifier