全球人名分类案例 - 三种模型可视化

1 课程概览

本课绘制三种模型（RNN、LSTM、GRU）的效果对比图，包括损失对比曲线、准确率对比曲线、用时对比图。可视化代码可以不写（复制粘贴使用），但模型训练代码必须自己写。绘制三张图是作业要求。

2 核心概念与定义

可视化（Visualization）：用图表展示模型训练效果。
收敛速度（Convergence Speed）：损失下降的快慢，反映模型学习速度。
性能指标（Performance Metrics）：损失列表、训练总耗时、准确率列表。

3 模型与算法详解

三张对比图

图表	X 轴	Y 轴	评估内容
损失对比曲线	训练步数	平均损失	收敛速度
准确率对比曲线	训练步数	准确率	分类效果
用时对比图	模型名称	训练时间	训练效率

性能指标

每个模型训练后返回 3 个指标：

指标	变量名	说明
损失列表	`total_loss_list`	每 100 步的平均损失
训练总耗时	`total_time`	训练总时间
准确率列表	`total_acc_list`	每 2000 步的准确率

预期结果

模型	损失	准确率	训练时间
RNN	最低	最低	最短
LSTM	最高	最高	最长
GRU	中间	中间	中间

绘图流程

训练三种模型：获取性能指标
创建画布：plt.figure(figsize=(15, 8))
绘制曲线：plt.plot()
设置图表属性：标题、X 轴标签、Y 轴标签
添加网格：plt.grid(True, linestyle='--', alpha=0.7)
显示图例：plt.legend()
显示图表：plt.show()

优化建议

将训练结果保存到文件，下次直接读取，避免重复训练。

训练三个模型约需 3 分钟
建议将结果保存到文件，避免每次重新训练

4 数学原理与推导

本课为可视化绘图，无数学推导。

5 代码示例

import matplotlib.pyplot as plt

def dm_test_train_rnn_lstm_gru():
    # 1. 训练三种模型，获取性能指标
    # 返回值：损失列表, 准确率列表, 训练总耗时
    total_loss_list_rnn, total_acc_list_rnn, total_time_rnn = dm_train_rnn()
    total_loss_list_lstm, total_acc_list_lstm, total_time_lstm = dm_train_lstm()
    total_loss_list_gru, total_acc_list_gru, total_time_gru = dm_train_gru()
    
    # ========== 2. 绘制损失对比曲线 ==========
    # 2.1 创建画布
    plt.figure(figsize=(15, 8))
    
    # 2.2 绘制各模型损失曲线
    plt.plot(total_loss_list_rnn, label='RNN')
    plt.plot(total_loss_list_lstm, label='LSTM')
    plt.plot(total_loss_list_gru, label='GRU')
    
    # 2.3 设置图表属性
    plt.title('模型损失对比曲线')
    plt.xlabel('训练步数（每100步）')
    plt.ylabel('平均损失')
    plt.grid(True, linestyle='--', alpha=0.7)
    plt.legend()
    plt.show()
    
    # ========== 3. 绘制准确率对比曲线 ==========
    plt.figure(figsize=(15, 8))
    
    plt.plot(total_acc_list_rnn, label='RNN')
    plt.plot(total_acc_list_lstm, label='LSTM')
    plt.plot(total_acc_list_gru, label='GRU')
    
    plt.title('模型准确率对比曲线')
    plt.xlabel('训练步数（每2000步）')
    plt.ylabel('准确率')
    plt.grid(True, linestyle='--', alpha=0.7)
    plt.legend()
    plt.show()
    
    # ========== 4. 绘制用时对比图 ==========
    plt.figure(figsize=(10, 6))
    
    models = ['RNN', 'LSTM', 'GRU']
    times = [total_time_rnn, total_time_lstm, total_time_gru]
    
    plt.bar(models, times)
    plt.title('模型训练用时对比')
    plt.xlabel('模型')
    plt.ylabel('训练时间（秒）')
    plt.grid(True, linestyle='--', alpha=0.7)
    
    # 在柱状图上显示数值
    for i, v in enumerate(times):
        plt.text(i, v + 0.5, f'{v:.2f}s', ha='center')
    
    plt.show()


# 运行可视化
dm_test_train_rnn_lstm_gru()