python实验环境怎么写_构建一个可复用的Python实验环境(1)

毕竟是野路子出身，以前跑实验，总是每一个模型都有一套完整的代码，从读数据，跑模型，算得分，写代码的过程中也是大量复制粘贴，因为读数据和算得分的代码通常都是通用的。

这次访学，师兄拷给我一份实验环境的代码，看后惊叹原来代码要这样写，耦合解得非常好。但我这种强迫症总是觉得别人写的不漂亮，自己照着重写了一遍，结果并没能领悟其精髓，结果最后跑实验的时候各种出问题。项目好不容易结束，决定认认真真分析一下代码，再重新写一遍。代码在github上同步更新。

目标

我们的目标是写一个可复用的实验环境框架，这样拿到一个新的项目，只要对应的填入一些函数、类，就可以使用了。

那么这个实验环境要有怎样的特性呢？我们希望，在项目进行过程中，如果要添加一个数据集、模型、或是评估指标，只要简单的加入对应的文件就好，而不去影响其他代代码。

这样的一个环境搭好之后，就可以把它当成一个库来使用，编写额外的代码来调用其中的函数。

整体结构

通常来说，一个完整的实验的流程是读取数据、用模型计算结果、对结果进行评估（打分），那么至少就要有三个基类：dataset,model,metric。此外，我们可能有不同的实验设置，例如80%拿来训练模型，20%作为测试集，这样还需要一个基类setting。最后我们再用一个profile类来把这些东西组装起来就好了。整体的结构就可以这样写：

+explib

|-- +datasets

|-- +models

|-- +metrics

|-- +settings

|-- __init__.py

|-- base.py

|-- utils.py

我们将基类都定义在base.py中，utils.py放一些常用的小函数，例如io操作等。模型等具体实现写在对应的文件夹下。

基类定义

首先定义整个实验环境的基类，其实没有也可以，这样写更一致一点。</