基于PaddlePaddle云平臺(tái)的機(jī)器學(xué)習(xí)課程實(shí)驗(yàn)案例研究

董如意，杜俊杰

（吉林化工學(xué)院，吉林 吉林 13022）

0 引言

人工智能已經(jīng)成為支撐國(guó)民經(jīng)濟(jì)和工業(yè)發(fā)展的重要技術(shù)，并且正在深刻改變著人類的生產(chǎn)生活方式。國(guó)務(wù)院高度重視人工智能的發(fā)展，2017年制定的《新一代人工智能發(fā)展規(guī)劃》明確指出：“人工智能是引領(lǐng)未來的戰(zhàn)略性技術(shù)”[1]。機(jī)器學(xué)習(xí)已經(jīng)成為當(dāng)前技術(shù)發(fā)展熱點(diǎn)，機(jī)器學(xué)習(xí)是通過計(jì)算機(jī)模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識(shí)或技能，并不斷改善自身的性能，它是計(jì)算機(jī)具有智能的根本途徑。機(jī)器學(xué)習(xí)技術(shù)發(fā)展迅速，已日漸滲透到生產(chǎn)和生活服務(wù)的各個(gè)方面。高校需要與時(shí)俱進(jìn)、順應(yīng)時(shí)代，加強(qiáng)培養(yǎng)更多具有機(jī)器學(xué)習(xí)理論與應(yīng)用實(shí)踐能力的人才。而機(jī)器學(xué)習(xí)具有高度實(shí)踐性且涉及的算法眾多，如何在教學(xué)過程中結(jié)合項(xiàng)目實(shí)踐，培養(yǎng)應(yīng)用型人才，已成為各高校人才培養(yǎng)過程中關(guān)注的一個(gè)難題。百度的PaddlePaddle是一個(gè)易用、高效、靈活和可擴(kuò)展的深度學(xué)習(xí)平臺(tái)，它使得研究人員更容易、更快捷地構(gòu)建深度學(xué)習(xí)模型，以及輕松地上傳訓(xùn)練數(shù)據(jù)，訓(xùn)練深度學(xué)習(xí)模型，執(zhí)行準(zhǔn)確、直觀的預(yù)測(cè)分析，極大提高速度和生產(chǎn)率[2]。

1 機(jī)器學(xué)習(xí)課程實(shí)驗(yàn)案例

機(jī)器學(xué)習(xí)課程是人工智能專業(yè)的核心專業(yè)課程，但機(jī)器學(xué)習(xí)課程建設(shè)過程中面臨著實(shí)訓(xùn)室建設(shè)成本較高，機(jī)器學(xué)習(xí)理論艱澀枯燥等問題。因此課題組通過校企合作，引入線上Paddle云平臺(tái)來解決實(shí)訓(xùn)室建設(shè)成本問題，并通過項(xiàng)目化的教學(xué)模式來貼近企業(yè)實(shí)際中的應(yīng)用場(chǎng)景，提高學(xué)生的學(xué)習(xí)興趣和學(xué)習(xí)效果。由此，探索形成一套機(jī)器學(xué)習(xí)課程的實(shí)驗(yàn)案例方案。

通過案例實(shí)踐，進(jìn)一步掌握并驗(yàn)證相關(guān)算法的性能及用法，著實(shí)提升學(xué)生對(duì)機(jī)器學(xué)習(xí)算法的解決問題能力及編程應(yīng)用能力；通過詳細(xì)查閱相關(guān)參考文獻(xiàn)，將課程理論知識(shí)與未來企業(yè)實(shí)際需求相結(jié)合，以提升學(xué)生的技術(shù)競(jìng)爭(zhēng)力。為了實(shí)現(xiàn)這些目標(biāo)，在充分參考現(xiàn)有經(jīng)典機(jī)器學(xué)習(xí)實(shí)驗(yàn)案例的基礎(chǔ)上，課題組將實(shí)驗(yàn)內(nèi)容、學(xué)科發(fā)展及實(shí)際需要聯(lián)系起來，加強(qiáng)實(shí)驗(yàn)內(nèi)容的綜合性、系統(tǒng)性、專題性和模塊化建設(shè)。

2 股票預(yù)測(cè)實(shí)驗(yàn)

本實(shí)驗(yàn)案例借助PaddlePaddle深度學(xué)習(xí)框架，使用Python語(yǔ)言構(gòu)建基于LSTM神經(jīng)網(wǎng)絡(luò)模型，實(shí)現(xiàn)股票的預(yù)測(cè)模型。研究該案例的具體實(shí)現(xiàn)及其結(jié)合云平臺(tái)操作的可行性。

2.1 長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)LSTM

長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)（Long Short-termmemory， LSTM）是一種特殊的RNN，是為了解決長(zhǎng)序列訓(xùn)練過程中的梯度消失和梯度爆炸問題而設(shè)計(jì)的，相比普通的RNN，LSTM能夠在更長(zhǎng)的序列中有更好的表現(xiàn)[3]。圖1為L(zhǎng)STM網(wǎng)絡(luò)結(jié)構(gòu)。

圖1 LSTM網(wǎng)絡(luò)結(jié)構(gòu)

2.2 基于PaddlePaddle的LSTM實(shí)現(xiàn)

本次試驗(yàn)采用1990—2015年上證指數(shù)的開源股票數(shù)據(jù)集，共6 109條數(shù)據(jù)，利用歷史數(shù)據(jù)中的開盤價(jià)、收盤價(jià)、最低價(jià)、最高價(jià)、交易量、交易額、跌漲幅來對(duì)下一日的最高價(jià)進(jìn)行預(yù)測(cè)?；赑addlePaddle庫(kù)構(gòu)建股票預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)模型，具體實(shí)驗(yàn)流程有以下幾方面。

2.2.1 導(dǎo)入庫(kù)

導(dǎo)入一些關(guān)鍵的庫(kù)，分別是：（1）paddle.fluid。PaddlePaddle深度學(xué)習(xí)框架。（2）numpy。用于科學(xué)計(jì)算，支持大量的維度數(shù)組與矩陣運(yùn)算。（3）matplotlib.pyplot：類似MATLAB的繪圖框架，支持?jǐn)?shù)據(jù)的可視化。

2.2.2 數(shù)據(jù)預(yù)處理

對(duì)股票數(shù)據(jù)集進(jìn)行預(yù)處理，使得滿足模型訓(xùn)練需要。本次實(shí)驗(yàn)將數(shù)據(jù)集中的60%作為訓(xùn)練集，40%作為驗(yàn)證集，劃分?jǐn)?shù)據(jù)集時(shí)進(jìn)行數(shù)據(jù)歸一化處理，這樣可以提高模型的精度以及加快模型的收斂速度。LSTM算法在訓(xùn)練集上進(jìn)行模型訓(xùn)練，再使用該模型對(duì)測(cè)試集進(jìn)行預(yù)測(cè)，將預(yù)測(cè)結(jié)果與測(cè)試集的真實(shí)值進(jìn)行對(duì)比，以評(píng)估該模型的性能。

2.2.3 搭建模型與訓(xùn)練模型

搭建LSTM模型的關(guān)鍵代碼如下所示：

x = fluid.layers.data（name=’x’， shape=[1]， dtype=’float32’， lod_level=1）

label = fluid.layers.data（name=’y’， shape=[1]， dtype=’float32’）

fc0 = fluid.layers.fc（input=x， size= 4）

lstm_h， c = fluid.layers.dynamic_lstm（input=fc0， size=4， is_reverse=False）

模型搭建完成后開始訓(xùn)練，通過設(shè)置訓(xùn)練的回合數(shù)、批數(shù)據(jù)大小等參數(shù)，來觀察其對(duì)訓(xùn)練結(jié)果的影響。由此得到較好的預(yù)測(cè)效果。

2.2.4 訓(xùn)練結(jié)果

使用訓(xùn)練后的模型對(duì)測(cè)試集數(shù)據(jù)進(jìn)行股票預(yù)測(cè)并觀察預(yù)測(cè)效果。將預(yù)測(cè)值Predicted Value和真實(shí)值True Value的折線圖繪制在一起進(jìn)行對(duì)比。LSTM神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果如圖2所示。

圖2 LSTM神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果

通過圖2可以看出，使用PaddlePaddle構(gòu)建的股票預(yù)測(cè)深度學(xué)習(xí)模型展示了預(yù)測(cè)值Predicted Value和真實(shí)值True Value有較好的擬合程度。

3 結(jié)語(yǔ)

本文結(jié)合實(shí)際應(yīng)用問題，緊跟最新技術(shù)的步伐，重點(diǎn)強(qiáng)調(diào)教學(xué)過程的易懂性和實(shí)用性及系統(tǒng)性。通過基于PaddlePaddle平臺(tái)的機(jī)器學(xué)習(xí)課程實(shí)驗(yàn)案例的研究，提高了學(xué)生利用機(jī)器學(xué)習(xí)方法解決復(fù)雜工程問題的能力，結(jié)合交叉學(xué)科的現(xiàn)實(shí)案例，既讓學(xué)生能掌握基礎(chǔ)的機(jī)器學(xué)習(xí)相關(guān)知識(shí)，又讓學(xué)生充分了解機(jī)器學(xué)習(xí)技術(shù)的發(fā)展前沿。在此基礎(chǔ)上學(xué)會(huì)利用PaddlePaddle進(jìn)行算法實(shí)現(xiàn)和開發(fā)，進(jìn)一步加深對(duì)理論知識(shí)的理解、概念的建立。除此以外，該課程實(shí)驗(yàn)案例研究能讓學(xué)生在發(fā)現(xiàn)問題解決問題的過程中，掌握學(xué)科知識(shí)的具體應(yīng)用與實(shí)現(xiàn)，極大地調(diào)動(dòng)了學(xué)生學(xué)習(xí)的積極性，可以借此課程實(shí)驗(yàn)案例研究引導(dǎo)學(xué)生自發(fā)學(xué)習(xí)相關(guān)的知識(shí)。