摘要

本周一是实现条件查询定时自动导出sql文件，应用navicat 可以可视化简洁实现定时自动导出任务；二是对力源后台管理界面的跳转页面的关系的学习，与其代码的设计逻辑框架，与代码逐步复现。三是深度学习的实践，对机器翻译的数据集的预处理，与训练模型的学习。

一. 条件查询结果定时转储数据的实现

使用nvaicat 15 for mysql 即可实现（使用命令较为繁琐）

在test数据库下新建条件查询事件
本次是查询统计在学生成绩表的按季度和课程统计成绩的最大值，最小值，平均值。
直接导出查询结果，按你需要的导出文件格式

记得添加事件戳，并保存导出查询，但不要点开始。
保存之后，将统计成绩表查询导出，自动运行，将查询事件拖入任务计划中。（注意：先保存任务查询，后才以设置任务计划。）

根据需求设置执行事件的时间点，开始——截止，间隔时间，就保存设置。登入账号信息，执行定时任务。

在这里插入图片描述
小结：使用navicat 实现对数据库的管理比使用命令要简单明了许多，如果使用命令，过程较为麻烦。利用navicat 实现数据库表数据的条件查询，再导出查询事件，将其添加到自动运行任务计划中，根据导出计划自行设置即可执行。

二. 力源项目

1.对后台管理界面的设计代码的学习
在这里插入图片描述
其主要逻辑关系，及代码都是之前应用HTML+CSS+JS构建设计前端，并通过php 对MYSQL数据进行操作，利用ajax 技术去前后端交互。这里之前学习过一部分，在复习应用一下，实践调试一遍，对后台管理界面就差不多了解全面。

对出库APP的学习(还没有具体去看，这部分是应用Hbuilder去实现APP的生成打包）！！！

三. 动手学深度学习实践–机器翻译

3.1 机器翻译数据集

## 导入
import os
import torch
from d2l import torch as d2l

1. 下载和预处理数据集

机器翻译的数据集是由源语言和目标语言的文本序列对组成的。

首先，下载一个由Tatoeba项目的双语句子对组成的“英－法”数据集，数据集中的每一行都是制表符分隔文本序列对，序列对由英文文本序列和翻译后的法语文本序列组成。请注意，每个文本序列可以是一个句子，也可以是包含多个句子的一个段落。在这个将英语翻译成法语的机器翻译问题中，英语是源语言（source language），法语是目标语言（target language）。

#@save   
## 下载爬取数据集，学好python 
d2l.DATA_HUB['fra-eng'] = (d2l.DATA_URL + 'fra-eng.zip',
                         '94646ad1522d915e7b0f9296181140edcf86a4f5')

#@save
def read_data_nmt():
    #  载入“英语－法语”数据集。
    data_dir = d2l.download_extract('fra-eng')
    with open(os.path.join(data_dir, 'fra.txt'), 'r', encoding='UTF-8') as f:
        return f.read()

raw_text = read_data_nmt()
print(raw_text[:75])

Downloading ..\data\fra-eng.zip from http://d2l-data.s3-accelerate.amazonaws.com/fra-eng.zip...
Go.	Va !
Hi.	Salut !
Run!	Cours?!
Run!	Courez?!
Who?	Qui ?
Wow!	?a alors?!

2. 文本预处理

下载数据集后，我们对原始的文本数据进行处理需要经过几个预处理步骤。

1.用空格代替不间断空格（non-breaking space）
2.使用小写字母替换大写字母
3.在单词和标点符号之间插入空格

def preprocess_nmt(text):
    """预处理"""
    # 使用空格替换不间断空格,(\xa0是拉丁扩展字符集里的字符，代表的是不间断空白符)
    # 使用小写字母替换大写字母
    text = text.replace('\u202f', ' ').replace('\xa0', ' ').lower()
    # 在单词和标点符号之间插入空格
    out = ''
    for i,char in enumerate(text):
        if i>0 and char in (',','!','.','?') and text[i-1] !=' ':
            out += ' '
        out +=char
    # 下面是沐神的原代码
#     def no_space(char,prev_char):
#         return char in set(',.!?') and prev_char != ' '
#     out = [
#         ' ' + char if i > 0 and no_space(char, text[i - 1]) else char
#         for i, char in enumerate(text)]
    return ''.join(out)

text = preprocess_nmt(raw_text)
print(text[:80])

go .	va !
hi .	salut !
run !	cours !
run !	courez !
who ?	qui ?
wow !	?a alors !

3. 词元化 tokenization

将句子/段落划分成一个个单词组成的向量。就像是把一把📏按照其刻度切分开来了。

def tokenize_nmt(text,num_examples=None):
    """将数据集词元化"""
    source,target = [],[]
    for i,line in enumerate(text.split('\n')):
        if num_examples and i>num_examples:
            break
        parts = line.split('\t')
        if len(parts)==2:
            source.append(parts[0].split(' '))
            target.append(parts[1].split(' '))
    return source,target
source, target = tokenize_nmt(text)
source[:6], target[:6]

([['go', '.'],
  ['hi', '.'],
  ['run', '!'],
  ['run', '!'],
  ['who', '?'],
  ['wow', '!']],
 [['va', '!'],
  ['salut', '!'],
  ['cours', '!'],
  ['courez', '!'],
  ['qui', '?'],
  ['?a', 'alors', '!']])

# 绘制每个文本序列包含的标记数量的直方图
# 句子的长度都不长，通常小于20
d2l.set_figsize()
_, _, patches = d2l.plt.hist([[len(l) for l in source], 
                              [len(l) for l in target]],
                             label=['source', 'target'])
for patch in patches[1].patches:
    patch.set_hatch('/')
d2l.plt.legend(loc='upper right');

在这里插入图片描述

4. 词汇表（ word embedding）

由于机器翻译数据集由语言对组成，因此我们可以分别为源语言和目标语言构建两个词汇表。使用单词级标记化时，词汇量将明显大于使用字符级标记化时的词汇量。为了缓解这一问题，这里我们将出现次数少于2次的低频率标记视为相同的未知（“< $u n k$ >”）标记。除此之外，我们还指定了额外的特定标记，例如在小批量时用于将序列填充到相同长度的填充标记（“< $p a d$ >”），以及序列的开始标记（“< $b o s$ >”）和结束标记（“< $e o s$ >”）。这些特殊标记在自然语言处理任务中比较常用。

src_vocab = d2l.Vocab(source, min_freq=2,
                      reserved_tokens=['<pad>', '<bos>', '<eos>'])
len(src_vocab),list(src_vocab.token_to_idx.items())[:10]

(10012,
 [('<unk>', 0),
  ('<pad>', 1),
  ('<bos>', 2),
  ('<eos>', 3),
  ('.', 4),
  ('i', 5),
  ('you', 6),
  ('to', 7),
  ('the', 8),
  ('?', 9)])

3. 2. 加载数据集

在语言模型中的序列样本都有一个固定的长度，无论这个样本是一个句子的一部分还是跨越了多个句子的一个片断。这个固定长度是由时间步数或标记数量参数指定的。在机器翻译中，每个样本都是由源和目标组成的文本序列对，其中的每个文本序列可能具有不同的长度。

为了提高计算效率，我们仍然可以通过截断（truncation）和填充（padding）方式实现一次只处理一个小批量的文本序列。假设同一个小批量中的每个序列都应该具有相同的长度n，那么如果文本序列的标记数目少于这个长度n时，我们将继续在其末尾添加特定的“< $p a d$ >”标记，直到其长度达到统一长度；反之，我们将截断文本序列，只取其前n个标记，并且丢弃剩余的标记。这样，每个文本序列将具有相同的长度，以便以相同形状的小批量进行加载。

def truncate_pad(line,num_steps,padding_token):
    """截断或者填充文本序列"""
    if len(line)>num_steps:
        return line[:num_steps] # 截断多余的
    return line +  [padding_token]*(num_steps -len(line)) # 填充缺少的

# 假设num_step为10，填充符号为<pad>，对每一句操作
truncate_pad(src_vocab[source[0]], 10, src_vocab['<pad>'])

[47, 4, 1, 1, 1, 1, 1, 1, 1, 1]

现在我们定义一个函数，可以将文本序列转换成小批量数据集用于训练。我们将特定的“< $e o s$ >”标记添加到所有序列的末尾，用于表示序列的结束。当模型通过一个标记接一个标记地生成序列进行预测时，生成了“< $e o s$ >”标记说明完成了序列输出工作。此外，我们还记录了每个文本序列的长度，统计长度时排除了填充标记，在稍后将要介绍的一些模型会需要这个长度信息。

def build_array_nmt(lines,vocab,num_steps):
    """将机器翻译的文本序列转换成小批量"""
    lines = [vocab[l] for l in lines]
    lines = [l+[vocab['<eos>']] for l in lines] # 加上一个结束标记
    array = torch.tensor([
        truncate_pad(l,num_steps,vocab['<pad>']) for l in lines])
    valid_len = (array != vocab['<pad>']).type(torch.int32).sum(1) # 保存填充的长度
    return array,valid_len

# 注意eos是3
array,valid_len = build_array_nmt(source,src_vocab ,10)
array[1],valid_len[1]

(tensor([113,   4,   3,   1,   1,   1,   1,   1,   1,   1]), tensor(3))

3.3 训练模型

# 整理数据加载和处理
def load_data_nmt(batch_size,num_steps,num_examples=600):
    """返回翻译数据集的迭代器和词汇表"""
    text = preprocess_nmt(read_data_nmt()) # 预处理
    source, target = tokenize_nmt(text, num_examples) # 词元化
    src_vocab = d2l.Vocab(source, min_freq=2,
                          reserved_tokens=['<pad>', '<bos>', '<eos>'])
    tgt_vocab = d2l.Vocab(target, min_freq=2,
                          reserved_tokens=['<pad>', '<bos>', '<eos>']) #构建词汇表
    src_array, src_valid_len = build_array_nmt(source, src_vocab, num_steps)
    tgt_array, tgt_valid_len = build_array_nmt(target, tgt_vocab, num_steps)
    data_arrays = (src_array, src_valid_len, tgt_array, tgt_valid_len)
    data_iter = d2l.load_array(data_arrays, batch_size)
    return data_iter, src_vocab, tgt_vocab

train_iter, src_vocab, tgt_vocab = load_data_nmt(batch_size=2, num_steps=8)
for X, X_valid_len, Y, Y_valid_len in train_iter:
    print('X:', X.type(torch.int32))
    print('valid lengths for X:', X_valid_len)
    print('Y:', Y.type(torch.int32))
    print('valid lengths for Y:', Y_valid_len)
    break

X: tensor([[16, 51,  4,  3,  1,  1,  1,  1],
        [ 6,  0,  4,  3,  1,  1,  1,  1]], dtype=torch.int32)
valid lengths for X: tensor([4, 4])
Y: tensor([[ 35,  37,  11,   5,   3,   1,   1,   1],
        [ 21,  51, 134,   4,   3,   1,   1,   1]], dtype=torch.int32)
valid lengths for Y: tensor([5, 5])