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