如何将原始代码转换为函数示例

Question

我刚刚开始学习如何在 Python 中编写代码，如果有人能给我简要介绍一下 explanation/hint 如何将原始代码转换为函数，我将不胜感激。

示例机器学习代码：

# create model
model = Sequential()
model.add(Dense(neurons, input_dim=8, kernel_initializer='uniform', activation='linear', kernel_constraint=maxnorm(4)))
model.add(Dropout(0.2))
model.add(Dense(1, kernel_initializer='uniform', activation='sigmoid'))
# Compile model
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy']) 
# split into input (X) and output (Y) variables
X = dataset[:,0:8]
Y = dataset[:,8]
# create model
model = KerasClassifier(build_fn=model, epochs=100, batch_size=10, verbose=0)
# define the grid search parameters
neurons = [1, 5]
param_grid = dict(neurons=neurons)
grid = GridSearchCV(estimator=model, param_grid=param_grid, n_jobs=-1, cv=3)
grid_result = grid.fit(X, Y)
# summarize results
print("Best: %f using %s" % (grid_result.best_score_, grid_result.best_params_))
means = grid_result.cv_results_['mean_test_score']
stds = grid_result.cv_results_['std_test_score']
params = grid_result.cv_results_['params']
for mean, stdev, param in zip(means, stds, params):
    print("%f (%f) with: %r" % (mean, stdev, param))

如果我想在 1 或 2 个函数中制作这个示例，应该如何开始？

编辑：

在上面的代码中，我为 <#create model> 创建了一个函数：

def create_model(neurons=1):
    # create model
    model = Sequential()
    model.add(Dense(neurons, input_dim=8, kernel_initializer='uniform', activation='linear', kernel_constraint=maxnorm(4)))
    model.add(Dropout(0.2))
    model.add(Dense(1, kernel_initializer='uniform', activation='sigmoid'))
    # Compile model
    model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
return model

然后，我必须将 create_model() 传递给 < KerasClassifier(build_fn=create_model 等...) >

如果我创建另一个像下面这样的函数是否正确:

def keras_classifier(model):
    # split into input (X) and output (Y) variables
    X = dataset[:,0:8]
    Y = dataset[:,8]
    model = KerasClassifier(build_fn=model, epochs=100, batch_size=10, verbose=0)
    # define the grid search parameters
    neurons = [1, 5]
    param_grid = dict(neurons=neurons)
    grid = GridSearchCV(estimator=model, param_grid=param_grid, n_jobs=-1, cv=3)
    grid_result = grid.fit(X, Y)
    # summarize results
    print("Best: %f using %s" % (grid_result.best_score_, grid_result.best_params_))
    means = grid_result.cv_results_['mean_test_score']
    stds = grid_result.cv_results_['std_test_score']
    params = grid_result.cv_results_['params']
    for mean, stdev, param in zip(means, stds, params):
         print("%f (%f) with: %r" % (mean, stdev, param))

是否correct/can是在另一个函数中调用的函数？

因为如果我调用这两个函数：

create_model(neurons)
keras_classifier(model)

我收到错误 NameError: name 'model' is not defined

有人能帮忙吗？

Answer 1

好吧，没有一种方法可以解决这个问题，但我会尝试说明一些订购代码的基准。

函数是一组有组织的、可重复使用的代码，用于执行单个相关操作。函数为您的应用程序提供更好的模块化和高度的代码重用。

话虽如此，您需要遵守一些“规则”：

尝试将代码分成相关的块，例如：构建神经网络，同时允许函数接收参数。
确保函数是单一职责（查看 OOP 的单一职责，尽管我发现它在创建函数时也非常有用 https://en.wikipedia.org/wiki/Single-responsibility_principle）

现在，我还想提一下，从您的代码中我可以看出您正在解决数据问题，例如机器学习问题。

我发现这类问题与传统的软件工程问题有点不同，因为很多时候你只做一次（甚至可以硬编码，比如操纵一些特定的数据框列并用一些任意值填充 nans ) 因此，作为初学者来说，将其分解为功能但从另一个角度来解决它有点困难，甚至可能是不必要的，我现在将对其进行解释。

所以即使在考虑函数之前尝试使用某种 jupyter-notebook 并将代码分成块在那里，这将为您提供一些关于如何划分代码的本质并且不会像我上面提到的那样难.

Answer 2

我认为你的函数 def 有问题：

def create_model(neurons):
    ....
return model

需要

def create_model(neurons):
    ....
    return model

缩进在 python 中非常重要，它们构成语法的一部分。不要写难看的代码谢谢:)

是的，您可以将模型传递给一个函数，然后将其传递给 keras 分类器的 build_fn= 命名变量。你放入分类器调用的东西本身必须是一个模型对象，所以这样做：

model = KerasClassifier(build_fn=create_model(), epochs=100, batch_size=10, verbose=0)

为函数创建的模型或传递给函数的模型使用不同的名称有助于跟踪它们。

如何将原始代码转换为函数示例

How to convert raw code into function(s) example

python

coding-style

function

machine-learning

deep-learning