python 构建RNN分类器对“名字-国家”文本分类、并使用Visdom绘制loss值和acc值

前言

为什么使用RNN对文本的分类？
RNN考虑当前输入以及先前接收的输入，前文出现内容将影响接下来要出现的内容。因此RNN是文本和语音分析的理想选择。

Visdom的安装与使用：

https://blog.csdn.net/qq_42962681/article/details/116271548?spm=1001.2014.3001.5501

刘二大人b站讲解视频：

https://www.bilibili.com/video/BV1Y7411d7Ys？p=13&share_source=copy_web

提示：以下是本篇文章正文内容，下面案例可供参考

一、名字对应的国家分类

如图所示：通过训练，快速的预测各个姓名对应的国家。

二、整体程序

1.代码

代码中使用的数据集连接如下

链接：https://pan.baidu.com/s/1jCmi8Qj6lzzb4R4rUgMEew
提取码：trac

代码如下（示例）：

import torch
import time
from torch.utils.data import DataLoader
from torch.utils.data import Dataset
import gzip
import csv
import matplotlib.pyplot as plt
import numpy as np
import math
from torch.nn.utils.rnn import pack_padded_sequence
# 引入可视化工具visdom
import visdom

#国家-人名进行分类
HIDDEN_SIZE = 100
BATCH_SIZE =256
N_LAYER =2
N_EPOCHS = 100
N_CHARS = 128
USE_GPU = True

# 为训练添加环境变量，之后程序产生的所有数据都会出现在这个环境变量中，visdom就可以监听数据实现可视化
# 而且在visdom中还可以按照环境变量名选择性监听，便于分类管理
viz = visdom.Visdom(env='countries_names')

# 创建线图初始点。loss是差值图，acc是精度图
viz.line([0], [0], win='train_loss', opts=dict(title='train loss'))
viz.line([0], [0], win='acc', opts=dict(title='test acc'))

#读取数据集
class NameDataset(Dataset):
    def __init__(self, is_train_set = True):
        # 判断是否要训练集还是测试集
        filename = 'names_train.csv.gz' if is_train_set else 'names_test.csv.gz'
        with gzip.open(filename, 'rt') as f:
            reader = csv.reader(f)
            rows = list(reader)
        # 提取数据集中的名字
        self.names = [row[0] for row in rows]
        self.len = len(self.names)
        self.countries = [row[1] for row in rows]
        # set变成集合去除重复国家 sort排序 list 生成列表
        self.country_list = list(sorted(set(self.countries)))
        # 将列表变成词典
        self.country_dict = self.getCountryDict()
        self.country_n