基于卷积神经网络cnn的情感分析代码

说先看一下这个图，它大体介绍了CNN的自然语言处理流程：

1.首先每个单词对应一行，d=5表示分了5个维度，一般是分128维，300维之类的，这里为了方便，用d=5。

这样的话矩阵就是7*5

2.然后第一步进行卷积的操作，分别使用了四行的卷积核两个，三行的卷积核两个，两行的卷积核两个。然后分别对75的矩阵进行卷积，对于75的话，45放上去可以向下移动4次，所以产生了41矩阵(feature map)，35的则可以移动5次，所以得到51的矩阵，同理，25的得到61的矩阵。

3.然后第二步进行池化操作，图中使用的是max pooling，是最大值池化，所以前面产生的两个41的feature map分别取最大的元素，组成一个21的矩阵。同理前面产生的51、61的矩阵也要执行该操作。最终6个feature map产生了3个池化之后的矩阵

4.然后再把3个池化后的矩阵拼接起来形成6*1的feature vector。

5.然后这是一个全连接层，假如我们需要分两个类，则对这6个神经元进行分类，产生两个神经元作为输出。

记得自己最开始学这个的时候在网上到处找代码，现在分享出来。
下面是代码实现，自己加了很多注释
train.py

import tensorflow as tf
import numpy as np
import os
import time
import datetime
import data_helpers
from text_cnn import TextCNN
from tensorflow.contrib import learn

# Parameters
# ==================================================

# Data loading params
# 语料文件路径定义
#数据集里10%为验证集
tf.flags.DEFINE_float("dev_sample_percentage", .1, "Percentage of the training data to use for validation")
tf.flags.DEFINE_string("positive_data_file", "./data/rt-polaritydata/rt-polarity.pos", "Data source for the positive data.")
tf.flags.DEFINE_string("negative_data_file", "./data/rt-polaritydata/rt-polarity.neg", "Data source for the negative data.")

# Model Hyperparameters
# 定义网络超参数
#embedding维度128，3种卷积核，每种128个，0.5的dropout
tf.flags.DEFINE_integer("embedding_dim", 128, "Dimensionality of character embedding (default: 128)")
tf.flags.DEFINE_string("filter_sizes", "3,4,5", "Comma-separated filter sizes (default: '3,4,5')")
tf.flags.DEFINE_integer("num_filters", 128, "Number of filters per filter size (default: 128)")
tf.flags.DEFINE_float("dropout_keep_prob", 0.5, "Dropout keep probability (default: 0.5)")
tf.flags.DEFINE_float("l2_reg_lambda", 0.0, "L2 regularization lambda (default: 0.0)")

# Training parameters
# 训练参数
#batchsize为64，20个epoch，每100个batch后，计算验证集上的表现，每100个batch后保存模型，checkpoint
tf.flags.DEFINE_integer("batch_size", 64, "Batch Size (default: 64)")
tf.flags.DEFINE_integer("num_epochs", 50, "Number of training epochs (default: 50)")
tf.flags.DEFINE_integer("evaluate_every", 100, "Evaluate model on dev set after this many steps (default: 100)")
tf.flags.DEFINE_integer("checkpoint_every", 100, "Save model after this many steps (default: 100)")
tf.flags.DEFINE_integer("num_checkpoints", 5, "Number of checkpoints to store (default: 5)")
# Misc Parameters
#true表示自动寻找一个存在并支持的cpu或者gpu，防止指定的设备不存在
#如果将False改为True，可以看到operations被指派到哪个设备运行
tf.flags.DEFINE_boolean("allow_soft_placement", True, "Allow device soft device placement")
tf.flags.DEFINE_boolean("log_device_placement", False, "Log placement of ops on devices")

# 打印一下相关初始参数
FLAGS = tf.flags.FLAGS#FLAGS是一个对象，保存了解析后的命令行参数
FLAGS._parse_flags()
print("\nParameters:")
for attr, value in sorted(FLAGS.__flags.items()):
    print("{}={}".format(attr.upper(), value))
print("")

def preprocess():
    # Data Preparation
    # ==================================================

    # Load data
    print("Loading data...")
    # 把正样本和负样本传入
    """
    print("start_time" + "\t\t" + str(datetime.datetime.now().isoformat()))
    x_text, y = data_helpers.load_data_and_labels(FLAGS.data_file)
    print("end_time" + "\t\t" + str(datetime.datetime.now().isoformat()))
    """
    x_text, y = data_helpers.load_data_and_labels(FLAGS.positive_data_file, FLAGS.negative_data_file)
    # #x_text是积极和消极所有的集合，y是[[0,1]\n[0,1]\n[0,1]\n[0,1]\n[0,1]\n[0,1]\n[0,1]\n.....[1,0]\n]的矩阵
    # ！！！这里一次性载入所有数据，注意考虑内存，大数据的情况下如何载入需要分析

    # Build vocabulary
    # 一行数据最多的词汇数 因为我们要保证句子的尺寸是一样的，即长度是一样的。
    max_document_length = max([len(x.split(" ")) for x in x_text]) #每一条评价的最多单词数字 # 计算最长邮件
    vocab_processor = learn.preprocessing.VocabularyProcessor(max_document_length)# tensorflow提供的工具，将数据填充为最大长度，默认0填充
    # 单词转化为在字典中的位置，这是一个操作

    # 其中VocabularyProcessor（max_document_length,min_frequency=0,vocabulary=None, tokenizer_fn=None)的构造函数中有4个参数
    # max_document_length是文档的最大长度。如果文本的长度大于最大长度，那么它会被剪切，反之则用0填充
    # min_frequency词频的最小值，出现次数>最小词频 的词才会被收录到词表中
    # vocabulary CategoricalVocabulary 对象，不太清楚使用方法
    # tokenizer_fn tokenizer function，讲句子或给定文本格式 token化得函数，可以理解为分词函数
    # 把原来的句子进行特殊处理，单词赋予编号
    x = np.array(list(vocab_processor.fit_transform(x_text)))#x=[[  1   2   3 ...   0   0   0] [  1  31  32 ...   0   0   0] [ 57  58  59 ...   0   0   0] ... [ 46  47 942 ...   0   0   0] [ 17 954 955 ...   0   0   0] [343 956 957 ...   0   0   0]]
    # 如果长度低于56自动补0
    # x:[
    # [4719 59 182 34 190 804 0 0 0 0
    # 0 0 0 0 0……]
    # [129 ……]
    # ]


    #print(x)


    # Randomly shuffle data
    # 对数据进行打乱的操作
    # 数据洗牌
    np.random.seed(10)
    #random.permutation(arr)  复制arr后打乱arr数组
    """
    参数个数情况： np.arange()函数分为一个参数，两个参数，三个参数三种情况
1）一个参数时，参数值为终点，起点取默认值0，步长取默认值1。
2）两个参数时，第一个参数为起点，第二个参数为终点，步长取默认值1。
3）三个参数时，第一个参数为起点，第二个参数为终点，第三个参数为步长。其中步长支持小数
"""
    # np.arange生成随机序列
    shuffle_indices = np.random.permutation(np.arange(len(y)))#打乱样本
    x_shuffled = x[shuffle_indices]#新的乱序样本
    y_shuffled = y[shuffle_indices]#新的乱序label

    # 将数据按训练train和测试dev分块
    # Split train/test set
    # TODO: This is very crude, should use cross-validation训练集、验证集划分完毕，全部是索引数值
    # 切分 数据集分为两部分 90%训练  10%验证
    dev_sample_index = -1 * int(FLAGS.dev_sample_percentage * float(len(y)))#负数，倒过来数
    x_train, x_dev = x_shuffled[:dev_sample_index], x_shuffled[dev_sample_index:]#切片
    y_train, y_dev = y_shuffled[:dev_sample_index], y_shuffled[dev_sample_index:]

    print(x_train)
    print(y_train)

    del x, y, x_shuffled, y_shuffled

    print("Vocabulary Size: {:d}".format(len(vocab_processor.vocabulary_)))#字典长度
    print("Train/Dev split: {:d}/{:d}".format(len(y_train), len(y_dev)))#训练集和验证集长度# 打印切分的比例
    print("一个评论最大长度：",x_train.shape[1])
    print("标签维度：",y_train.shape[1])
    print(list(map(int, FLAGS.filter_sizes.split(","))))
    return x_train, y_train, vocab_processor, x_dev, y_dev

def train(x_train, y_train, vocab_processor, x_dev, y_dev):
    # Training
    # ==================================================

    with tf.Graph().as_default():
        session_conf = tf.ConfigProto(
            allow_soft_placement=FLAGS.allow_soft_placement,
            log_device_placement=FLAGS.log_device_placement)#这个session配置，按照前面的gpu，cpu自动选择
        sess = tf.Session(config=session_conf)#建立一个配置如上的会话
        with sess.as_default():#在上述session填充内容
            # 卷积池化网络导入
            cnn = TextCNN(
                sequence_length=x_train.shape[1],  # sequence_length:最长词汇数 #[0]是样本维度，样本数量，[1]是单个样本的长度
                num_classes=y_train.shape[1],  # num_classes:分类数#同理，这里是类别数量
                vocab_size=len(vocab_processor.vocabulary_),  # vocab_size:总词汇数#字典长度
                embedding_size=FLAGS.embedding_dim,  # embedding_size:词向量长度128
                filter_sizes=list(map(int, FLAGS.filter_sizes.split(","))),
                # filter_sizes: 卷积核的尺寸3 4 5# 上面定义的filter_sizes拿过来，"3,4,5"按","分割
                num_filters=FLAGS.num_filters,  # num_filters：128 卷积核的数量
                l2_reg_lambda=FLAGS.l2_reg_lambda)  # l2_reg_lambda_l2正则化系数#包含一个CNN
            # TextCNN是一个类，输入参数，得到一个CNN结构

            # Define Training procedure
            # 其实就是统计当前训练的步数
            global_step = tf.Variable(0, name="global_step", trainable=False)#定义一个变量step
            # 优化器
            optimizer = tf.train.AdamOptimizer(1e-3)#里面是学习速率，选择优化算法，建立优化器
            # 计算梯度 ——minimize()的第一部分
            grads_and_vars = optimizer.compute_gradients(cnn.loss)#选择目标函数，计算梯度；返回的是梯度和变量
            # 函数minimize() 与compute_gradients()都含有一个参数gate_gradient，用于控制在应用这些梯度时并行化的程度。这里没有？

            # 将计算出来的梯度应用到变量上，是函数minimize()的第二部分
            # 返回一个应用指定的梯度的操作operation,对global_step做自增操作
            ##综上所述，上面三行代码，就相当于global_step = tf.Variable(0, name="global_step", trainable=False).minimize(cnn.loss)
            train_op = optimizer.apply_gradients(grads_and_vars, global_step=global_step)#运用梯度

            # Keep track of gradient values and sparsity (optional)
            # 保存变量的梯度值
            grad_summaries = []
            for g, v in grads_and_vars:  # g是梯度，v是变量
                if g is not None:
                    grad_hist_summary = tf.summary.histogram("{}/grad/hist".format(v.name), g)
                    sparsity_summary = tf.summary.scalar("{}/grad/sparsity".format(v.name), tf.nn.zero_fraction(g))
                    grad_summaries.append(grad_hist_summary)
                    grad_summaries.append(sparsity_summary)
            grad_summaries_merged = tf.summary.merge(grad_summaries)

            # Output directory for models and summaries
            # 定义输出路径
            timestamp = str(int(time.time()))
            out_dir = os.path.abspath(os.path.join(os.path.curdir, "runs", timestamp))
            print("Writing to {}\n".format(out_dir))

            # Summaries for loss and accuracy
            # 记录一下loss值和准确率的值
            loss_summary = tf.summary.scalar("loss", cnn.loss)
            acc_summary = tf.summary.scalar("accuracy", cnn.accuracy)

            # Train Summaries
            # 训练部分
            # merge一下
            train_summary_op = tf.summary.merge([loss_summary, acc_summary, grad_summaries_merged])
            # 路径定义
            train_summary_dir = os.path.join(out_dir, "summaries", "train")
            # 写入
            train_summary_writer = tf.summary.FileWriter(train_summary_dir, sess.graph)

            # Dev summaries
            # 测试部分
            dev_summary_op = tf.summary.merge([loss_summary, acc_summary])
            dev_summary_dir = os.path.join(out_dir, "summaries", "dev")
            dev_summary_writer = tf.summary.FileWriter(dev_summary_dir, sess.graph)

            # Checkpoint directory. Tensorflow assumes this directory already exists so we need to create it
            # 保存模型的路径
            checkpoint_dir = os.path.abspath(os.path.join(out_dir, "checkpoints"))
            checkpoint_prefix = os.path.join(checkpoint_dir, "model")
            if not os.path.exists(checkpoint_dir):
                os.makedirs(checkpoint_dir)
            # 保存模型，最多保存5个
            saver = tf.train.Saver(tf.global_variables(), max_to_keep=FLAGS.num_checkpoints) # 前面定义好参数num_checkpoints=5

            # Write vocabulary
            vocab_processor.save(os.path.join(out_dir, "vocab"))

            # Initialize all variables
            sess.run(tf.global_variables_initializer())#初始化所有变量

            # 定义了一个函数，输入为1个batch
            def train_step(x_batch, y_batch):
                """
                A single training step
                """
                feed_dict = {
                    cnn.input_x: x_batch,
                    cnn.input_y: y_batch,
                    cnn.dropout_keep_prob: FLAGS.dropout_keep_prob# 参数在前面有定义
                }
                _, step, summaries, loss, accuracy = sess.run(
                    [train_op, global_step, train_summary_op, cnn.loss, cnn.accuracy],
                    feed_dict)
                # 梯度更新（更新模型），步骤加一，存储数据，计算一个batch的损失，计算一个batch的准确率
                time_str = datetime.datetime.now().isoformat()#当时时间
                print("train*********{}: step {}, loss {:g}, acc {:g}".format(time_str, step, loss, accuracy))
                train_summary_writer.add_summary(summaries, step)

            # 定义了一个函数，用于验证集，输入为一个batch
            def dev_step(x_batch, y_batch, writer=None):
                """
                Evaluates model on a dev set
                """
                feed_dict = {
                    cnn.input_x: x_batch,
                    cnn.input_y: y_batch,
                    cnn.dropout_keep_prob: 1.0# 神经元全部保留
                }
                step, summaries, loss, accuracy = sess.run(
                    [global_step, dev_summary_op, cnn.loss, cnn.accuracy],
                    feed_dict)
                time_str = datetime.datetime.now().isoformat()

                print("dev************{}: step {}, loss {:g}, acc {:g}".format(time_str, step, loss, accuracy))
                if writer:
                    writer.add_summary(summaries, step)
                return accuracy

            # Generate batches # Generate batches（生成器），得到一个generator，每一次返回一个batch，没有构成list[batch1,batch2,batch3,...]
            batches = data_helpers.batch_iter(
                list(zip(x_train, y_train)), FLAGS.batch_size, FLAGS.num_epochs)
            # zip将样本与label配对，
            # Training loop. For each batch...
            for batch in batches:
                x_batch, y_batch = zip(*batch)#unzip，将配对的样本，分离出来data和label # 按batch把数据拿进来
                train_step(x_batch, y_batch)#训练，输入batch样本，更新模型
                current_step = tf.train.global_step(sess, global_step)# 将Session和global_step值传进来
                # 测试
                if current_step % FLAGS.evaluate_every == 0:#每多少步，算一下验证集效果# 每FLAGS.evaluate_every次每100执行一次测试
                    print("\nEvaluation:")
                    accuracy=dev_step(x_dev, y_dev, writer=dev_summary_writer)#喂的数据为验证集，此时大小不止一个batchsize1的大小
                    if 1590>current_step>1490:
                        accuracy_avr=accuracy
                        print(accuracy_avr)
                    if current_step>1590:
                        accuracy_avr+=accuracy
                        avr_0=accuracy_avr/(current_step/100-14)#100 200 300 400 500
                        print("准确率的平均值：",avr_0)

                # 保存模型
                if current_step % FLAGS.checkpoint_every == 0:#每多少步，保存模型# 每checkpoint_every次执行一次保存模型
                    path = saver.save(sess, checkpoint_prefix, global_step=current_step)# 定义模型保存路径
                    print("Saved model checkpoint to {}\n".format(path))

def main(argv=None):
    x_train, y_train, vocab_processor, x_dev, y_dev = preprocess()
    train(x_train, y_train, vocab_processor, x_dev, y_dev)

if __name__ == '__main__':
    tf.app.run()

text_cnn.py

import tensorflow as tf
import numpy as np

# 这部分主要是建立了一个text_cnn结构的类
# 结构比较简单，一个embedding layer+一个convolution layer（Relu）+一个maxpooling层+softmax

# 1定义CNN网络实现的类
class TextCNN(object):#定义了1个TEXTCNN的类，包含一张大的graph
    """
    A CNN for text classification.
    Uses an embedding layer, followed by a convolutional, max-pooling and softmax layer.
    """

    # sequence_length:最长词汇数
    # num_classes:分类数
    # vocab_size:总词汇数
    # embedding_size:词向量长度
    # filter_sizes:卷积核的尺寸3 4 5
    # num_filters：卷积核的数量
    # l2_reg_lambda_l2正则化系数
    def __init__(
            self, sequence_length, num_classes, vocab_size,
            embedding_size, filter_sizes, num_filters, l2_reg_lambda=0.0):#定义各种输入参数，这里的输入是句子各词的索引 # 1把train.py中TextCNN里定义的参数传进来

        # Placeholders for input, output and dropout
        self.input_x = tf.placeholder(tf.int32, [None, sequence_length], name="input_x")# input_x输入语料,待训练的内容,维度是sequence_length,"N个词构成的N维向量"
        # 定义一个operation，名称input_x,利用参数sequence_length，None表示样本数不定，
        # 不一定是一个batchsize，训练的时候是，验证的时候None不是batchsize
        # 这是一个placeholder，
        # 数据类型int32，（样本数*句子长度）的tensor，每个元素为一个单词
        self.input_y = tf.placeholder(tf.float32, [None, num_classes], name="input_y")# input_y输入语料,待训练的内容标签,维度是num_classes,"正面 || 负面"
        # 这个placeholder的数据输入类型为float，（样本数*类别）的tensor
        # dropout系数
        self.dropout_keep_prob = tf.placeholder(tf.float32, name="dropout_keep_prob")# dropout_keep_prob dropout参数,防止过拟合,训练时用
        # placeholder表示图的一个操作或者节点，用来喂数据，进行name命名方便可视化
        # Keeping track of l2 regularization loss (optional)
        l2_loss = tf.constant(0.0) # 先不用，写0
        # l2正则的初始化，有点像sum=0
        # 其实softmax是需要的
        # Embedding layer
        # 参见

        # Embedding layer
        # 指定运算结构的运行位置在cpu非gpu,因为"embedding"无法运行在gpu
        # 通过tf.name_scope指定"embedding"
        with tf.device('/cpu:0'), tf.name_scope("embedding"): # 指定cpu #封装了一个叫做“embedding'的模块，使用设备cpu，模块里3个operation
            # vocab_size词典大小
            self.W = tf.Variable(
                tf.random_uniform([vocab_size, embedding_size], -1.0, 1.0),
                name="W")# 定义W并初始化  #operation1，一个（词典长度*embedsize）tensor，作为W，也就是最后的词向量
            # [batch_size,sequeue_length,embedding_size]
            self.embedded_chars = tf.nn.embedding_lookup(self.W, self.input_x)
            # operation2，input_x的tensor维度为[none，seq_len],那么这个操作的输出为none*seq_len*em_size
            # 添加一个维度，[batch_size,sequence_length,embedding_size,1]有点类似于图片哦~
            self.embedded_chars_expanded = tf.expand_dims(self.embedded_chars, -1)# 加一个维度，转换为4维的格式
            # 增加一个维度，变成，batch_size*seq_len*em_size*channel(=1)的4维tensor，符合图像的习惯

        # Create a convolution + maxpool layer for each filter size
        pooled_outputs = []
        # 三种不同尺寸的卷积，所以用了一个循环
        # filter_sizes卷积核尺寸,枚举后遍历
        for i, filter_size in enumerate(filter_sizes):#比如（0，3），（1，4），（2，5）
            with tf.name_scope("conv-maxpool-%s" % filter_size):#循环第一次，建立一个名称为如”conv-ma-3“的模块
                # Convolution Layer
                filter_shape = [filter_size, embedding_size, 1, num_filters]# 4个参数分别为filter_size高h，embedding_size宽w，channel为1，filter个数
                # operation1，没名称，卷积核参数，高*宽*通道*卷积个数
                # 下面是卷积的参数
                W = tf.Variable(tf.truncated_normal(filter_shape, stddev=0.1), name="W")# W进行高斯初始化
                # operation2，名称”W“，变量维度filter_shape的tensor
                b = tf.Variable(tf.constant(0.1, shape=[num_filters]), name="b") # b给初始化为一个常量
                # operation3，名称"b",变量维度卷积核个数的tensor
                # 卷积操作
                conv = tf.nn.conv2d(
                    self.embedded_chars_expanded,  # 需要卷积的矩阵
                    W,  # 权值
                    strides=[1, 1, 1, 1],  # 步长 #样本，height，width，channel移动距离
                    padding="VALID", # 这里不需要padding
                    name="conv")
                # operation4，卷积操作，名称”conv“，与w系数相乘得到一个矩阵
                # Apply nonlinearity 激活函数
                # 可以理解为,正面或者负面评价有一些标志词汇,这些词汇概率被增强，即一旦出现这些词汇,倾向性分类进正或负面评价,
                # 该激励函数可加快学习进度，增加稀疏性,因为让确定的事情更确定,噪声的影响就降到了最低。
                h = tf.nn.relu(tf.nn.bias_add(conv, b), name="relu")
                # operation5，加上偏置，进行relu，名称"relu"
                # Maxpooling over the outputs
                # 池化

                #最大池化
                pooled = tf.nn.max_pool(
                    h,
                    ksize=[1, sequence_length - filter_size + 1, 1, 1],# (h-filter+2padding)/strides+1=h-f+1
                    strides=[1, 1, 1, 1],
                    padding='VALID',# 这里不需要padding
                    name="pool")
                """
                #均值池化
                pooled=tf.nn.avg_pool(
                    h,
                    ksize=[1, sequence_length - filter_size + 1, 1, 1],
                    strides=[1, 1, 1, 1],
                    padding='VALID',
                    data_format='NHWC',
                    name=None
                )
                """

                pooled_outputs.append(pooled)
                # 每个卷积核和pool处理一个样本后得到一个值，这里维度如batchsize*1*1*卷积核个数
                # 三种卷积核，append3次

        # Combine all the pooled features
        # 卷积核的数量*卷积核的尺寸种类
        num_filters_total = num_filters * len(filter_sizes)
        # operation，每种卷积核个数与卷积核种类的积
        # 三个池化层的输出拼接起来
        self.h_pool = tf.concat(pooled_outputs, 3)
        # operation，将outpus在第4个维度上拼接，如本来是128*1*1*64的结果3个，拼接后为128*1*1*192的tensor
        # 转化为一维的向量
        self.h_pool_flat = tf.reshape(self.h_pool, [-1, num_filters_total])# 扁平化数据，跟全连接层相连
        # operation，结果reshape为128*192的tensor

        # Add dropout
        # drop层,防止过拟合,参数为dropout_keep_prob
        # 过拟合的本质是采样失真,噪声权重影响了判断，如果采样足够多,足够充分,噪声的影响可以被量化到趋近事实,也就无从过拟合。
        # 即数据越大,drop和正则化就越不需要。
        with tf.name_scope("dropout"):
            self.h_drop = tf.nn.dropout(self.h_pool_flat, self.dropout_keep_prob)
            # 添加一个"dropout"的模块，里面一个操作，输出为dropout过后的128*192的tensor

        # Final (unnormalized) scores and predictions
        # 全连接层
        # 输出层
        with tf.name_scope("output"):#添加一个”output“的模块，多个operation
            W = tf.get_variable(
                "W",
                shape=[num_filters_total, num_classes],  # [64*3,2]  #前面连扁平化后的池化操作
                initializer=tf.contrib.layers.xavier_initializer()) # 定义初始化方式
            # operation1，系数tensor，如192*2，192个features分2类，名称为"W"，注意这里用的是get_variables
            b = tf.Variable(tf.constant(0.1, shape=[num_classes]), name="b")
            # operation2,偏置tensor，如2，名称"b"
            # l2正则化  # 损失函数导入
            l2_loss += tf.nn.l2_loss(W)
            # operation3，loss上加入w的l2正则
            l2_loss += tf.nn.l2_loss(b)
            # operation4，loss上加入b的l2正则
            # xw+b
            self.scores = tf.nn.softmax(tf.nn.xw_plus_b(self.h_drop, W, b, name="scores"))# 得分函数
            # operation5，scores计算全连接后的输出，如[0.2,0.7]名称”scores“
            # 最终预测值
            self.predictions = tf.argmax(self.scores, 1, name="predictions")# 预测结果
            # operations，计算预测值，输出最大值的索引，0或者1，名称”predictions“


        # Calculate mean cross-entropy loss
        with tf.name_scope("loss"):#定义一个”loss“的模块
            # loss，交叉熵损失函数
            losses = tf.nn.softmax_cross_entropy_with_logits(logits=self.scores, labels=self.input_y)
            # operation1，定义losses，交叉熵，如果是一个batch，那么是一个长度为batchsize1的tensor？
            self.loss = tf.reduce_mean(losses) + l2_reg_lambda * l2_loss
            # operation2，计算一个batch的平均交叉熵，加上全连接层参数的正则
        """
        with tf.name_scope("loss"):
            epsilon = 1.e-7
            gamma=2.
            alpha = tf.constant(0.5, dtype=tf.float32)
        
            self.input_y = tf.cast(self.input_y, tf.float32)
            self.scores = tf.clip_by_value(self.scores, epsilon, 1. - epsilon)
        
            alpha_t = self.input_y*alpha + (tf.ones_like(self.input_y)-self.input_y)*(1-alpha)
            y_t = tf.multiply(self.input_y, self.scores) + tf.multiply(1-self.input_y, 1-self.scores)
            ce = -tf.log(y_t)
            weight = tf.pow(tf.subtract(1., y_t), gamma)
            fl = tf.multiply(tf.multiply(weight, ce), alpha_t)
            losses = tf.reduce_mean(fl)
            self.loss = tf.reduce_mean(losses) + l2_reg_lambda * l2_loss
        """

        # Accuracy
        with tf.name_scope("accuracy"):#定义一个名称”accuracy“的模块
            # 准确率，求和计算算数平均值
            correct_predictions = tf.equal(self.predictions, tf.argmax(self.input_y, 1))
            # operation1，根据input_y和predictions是否相同，得到一个矩阵batchsize大小的tensor
            self.accuracy = tf.reduce_mean(tf.cast(correct_predictions, "float"), name="accuracy")
            # operation2，计算均值即为准确率，名称”accuracy“

data_helpers.py

import numpy as np
import re


def clean_str(string):
    """
   除SST之外的所有数据集的标记化/字符串清理。
    Original taken from https://github.com/yoonkim/CNN_sentence/blob/master/process_data.py
    """

    # 清理数据替换掉无词义的符号
    string = re.sub(r"[^A-Za-z0-9(),!?\'\`]", " ", string)
    string = re.sub(r"\'s", " \'s", string)
    string = re.sub(r"\'ve", " \'ve", string)
    string = re.sub(r"n\'t", " n\'t", string)
    string = re.sub(r"\'re", " \'re", string)
    string = re.sub(r"\'d", " \'d", string)
    string = re.sub(r"\'ll", " \'ll", string)
    string = re.sub(r",", " , ", string)
    string = re.sub(r"!", " ! ", string)
    string = re.sub(r"\(", " \( ", string)
    string = re.sub(r"\)", " \) ", string)
    string = re.sub(r"\?", " \? ", string)
    string = re.sub(r"\s{2,}", " ", string)
    return string.strip().lower()


def load_data_and_labels(positive_data_file, negative_data_file):
    """
    Loads MR polarity data from files, splits the data into words and generates labels.
    Returns split sentences and labels.
    """
    # Load data from files
    positive_examples = list(open(positive_data_file, "r", encoding='utf-8').readlines())
    # 去掉头尾的空格  形状['I like english','how are you',……]
    positive_examples = [s.strip() for s in positive_examples]
    negative_examples = list(open(negative_data_file, "r", encoding='utf-8').readlines())
    negative_examples = [s.strip() for s in negative_examples]
    # Split by words
    x_text = positive_examples + negative_examples
    # 句子预处理
    # ['句子','句子','']
    x_text = [clean_str(sent) for sent in x_text]# 字符过滤，实现函数见clean_str()
    # Generate labels
    # 生成labels，因为就分两个类，正面评论，负面评论
    positive_labels = [[0, 1] for _ in positive_examples]
    negative_labels = [[1, 0] for _ in negative_examples]

    # >> > a = np.array([[1, 2], [3, 4]])
    # >> > b = np.array([[5, 6]])
    # b是一个二维array
    # >> > np.concatenate((a, b), axis=0)
    # array([[1, 2],
    #        [3, 4],
    #        [5, 6]])
    # >> > np.concatenate((a, b.T), axis=1)
    # array([[1, 2, 5],
    #        [3, 4, 6]])
    y = np.concatenate([positive_labels, negative_labels], 0)# 将两种label连在一起
    return [x_text, y]#x_text是积极和消极所有的集合，y是[[0,1]\n[0,1]\n[0,1]\n[0,1]\n[0,1]\n[0,1]\n[0,1]\n.....[1,0]\n]的矩阵

"""
def batch_iter(data, batch_size, num_epochs, shuffle=True):
    
    #Generates a batch iterator for a dataset.
  
    data = np.array(data)
    data_size = len(data)
    num_batches_per_epoch = int((len(data)-1)/batch_size) + 1
    for epoch in range(num_epochs):
        # Shuffle the data at each epoch
        if shuffle:
            shuffle_indices = np.random.permutation(np.arange(data_size))
            shuffled_data = data[shuffle_indices]
        else:
            shuffled_data = data
        for batch_num in range(num_batches_per_epoch):
            start_index = batch_num * batch_size
            end_index = min((batch_num + 1) * batch_size, data_size)
            yield shuffled_data[start_index:end_index]
"""

# 1创建batch迭代模块
def batch_iter(data, batch_size, num_epochs, shuffle=True):# 1shuffle=True洗牌
    """
    Generates a batch iterator for a dataset.批量数据batchsize生成器
    定义一个函数，输出batch样本，参数为data（包括feature和label），batchsize，epoch
    """
    # 1每次只输出shuffled_data[start_index:end_index]这么多
    data = np.array(data)#全部数据转化为array
    data_size = len(data)
    num_batches_per_epoch = int((len(data)-1)/batch_size) + 1# 迭代次数
    print("训练样本数:",len(data)-1)
    print("batch_size:",batch_size)
    print("迭代次数",num_batches_per_epoch)
    for epoch in range(num_epochs):#20
        # Shuffle the data at each epoch
        if shuffle:
            # numpy.random.permutation(x)
            # 随机排列一个序列，或者数组。
            shuffle_indices = np.random.permutation(np.arange(data_size))# 1洗牌
            shuffled_data = data[shuffle_indices]# shuffled_data按照上述乱序得到新的样本
        else:
            shuffled_data = data
        for batch_num in range(num_batches_per_epoch):#开始生成batch
            start_index = batch_num * batch_size# 1当前batch的索引开始
            end_index = min((batch_num + 1) * batch_size, data_size)#这里主要是最后一个batch可能不足batchsize的处理  # 1判断下一个batch是不是超过最后一个数据了
            yield shuffled_data[start_index:end_index]
            #yield，在for循环执行时，每次返回一个batch的data，占用的内存为常数

项目上传到网盘了，需要的可以下载。用的TensorFlow环境，搭TensorFlow的方法我之前的博客也记录过，刚学的时候安装TensorFlow就安了好几天，现在几分钟就安好了，记下来以免后人走弯路吧。

链接：https://pan.baidu.com/s/1ReGvytsuZxdPm2Qo4vfgXg
提取码：v2hy
复制这段内容后打开百度网盘手机App，操作更方便哦