如何将原始代码转换为函数示例

Question

我刚刚开始学习如何用 Python 编写代码，如果有人能给我简要解释/提示如何将原始代码转换为函数，我将不胜感激。

机器学习代码示例：

# 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 个函数中创建这个示例，我应该如何开始？

编辑：

在上面的代码中，我为创建了一个函数：

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() 传递到 create_model etc...) >

如果我在下面创建另一个函数是否正确：

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))

是否正确/可以是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

有人可以帮忙吗？

Answer 1

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，它们构成了语法的一部分。不要写丑陋的代码谢谢:)

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)

为您的函数创建的模型使用不同的名称或传递给函数可以帮助跟踪它们。

Answer 2

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用于订购您的代码的基线。

函数是一个有组织的、可重用的代码块，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，你需要遵守一些“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 的单一职责虽然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，我可以看到您在处理数据问题，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，因为很多时候你一次做某事（甚至可以硬编码，比如操作一些特定的数据帧列并用一些任意值填充 nans）所以对于初学者来说，将其分解为函数有点困难，甚至可能没有必要，但我现在将从另一个角度来解决它。

因此，即使在考虑函数之前，请尝试使用某种 jupyter-notebook 并将代码在那里拆分成块，这将为您提供有关如何划分代码的一些精髓，并且不会像我上面提到的那样难。