企业官网建设流程全解析

DEAP数据集在情绪识别领域几乎成了绕不开的第一站。去年我打算在上面跑通一个完整的情绪分类pipeline时，最没想到的是真正花时间的地方不是模型设计，而是环境搭建和数据读取——光是理解那批.mat文件里每个维度的含义，就折腾了一下午。这篇东西我尽量把手摸过的地方都写出来，从文件结构、环境匹配、预处理、模型训练到评估结果，串成一个可以直接照着跑的完整流程。适合刚下载完DEAP但不知道从哪里下手的同学，也适合想快速在DEAP上先跑出一个baseline的人。

1. DEAP数据集解剖：先搞清楚手里的数据到底是什么

很多教程一上来就让人读文件、跑模型，结果读完还是不知道自己在处理什么信号。我觉得先花20分钟把DEAP的构成弄清楚，比直接敲代码重要得多。

1.1 文件与数据结构

DEAP全称是Database for Emotion Analysis using Physiological Signals，50字不到就把这句话记住：32名被试，每名被试看40段1分钟音乐视频，观看过程中记录生理信号，看完后对效价（valence）、唤醒度（arousal）、支配度（dominance）、喜好（liking）四个维度打分。

下载官方预处理版本后，你会得到一个data_preprocessed_matlab目录，里面有participant_01.mat到participant_32.mat，一共32个文件。每个.mat文件内部就两个变量：

• data，形状是(40, 40, 8064)，三个维度分别是视频数、通道数、采样点个数。
• labels，形状是(40, 4)，对应40段视频在四个评分维度上的分值。

采样率是128Hz，8064个采样点换算一下就是63秒，因为每段视频实际包含3秒基线加上60秒正式观看。很多人第一次会疑惑“为什么不是60秒×128=7680”，多出来那384个点就是这段基线，后面预处理会处理掉。

1.2 40个通道到底分别是什么

这是最容易被忽略的细节。40个通道不是同一种信号，它们分了两组：

• 前32个通道是脑电信号，按国际10-20系统排布，具体顺序大概是Fp1、AF3、F3、F7、FC5、FC1、C3、T7、CP5、CP1、P3、P7、PO3、O1、Oz、Pz，然后是右侧对应位置，完整顺序在DEAP官网的README文件里有。
• 后8个通道是外周生理信号，顺序是水平眼电、垂直眼电、两块面部肌电、皮肤电、呼吸、血容量脉搏和体温。

这对建模的影响非常大。有些人把40个通道全丢进CNN里，EEG和外周信号一起卷，不能说一定不行，但两者的物理含义、噪声特性和数值范围差别很大，混在一起并没有理论上那么自然。我的建议是：第一版模型先用前32个EEG通道，把基础流程跑通，再考虑融合外周信号。

1.3 读取一份数据验证你的理解

检查自己有没有读对，用这段代码就够了：

from scipy import io import numpy as np mat = io.loadmat('data_preprocessed_matlab/participant_01.mat') data = mat['data'] labels = mat['labels'] print(data.shape, labels.shape) print(data.dtype, labels.dtype) # 基线前384个点与正式时段前384个点的均值对比 print(data[0, 0, :384].mean(), data[0, 0, 384:768].mean())

打印正确的话，data应该是(40, 40, 8064)，labels是(40, 4)，dtype是float64。如果后面报错说读不了，大概率是.mat文件的存储格式问题，这个坑我放在下一节讲。

另外提醒一点：网上流传的一些别人二次处理过的DEAP版本，可能把原始矩阵转了维度，有的是(40, 8064, 40)，有的把标签也改了格式。拿到新版本先打印shape再往下走，别默认官方格式。

2. 环境搭建的版本匹配：少走依赖弯路

DEAP这套代码不算重，但版本搭配不对，光在装库上就能耗掉半天。我自己就踩过scipy版本太老导致loadmat对.mat文件里的unicode字段解析异常的坑。

2.1 推荐环境与安装命令

我用的组合是Python 3.10 + scipy + numpy + scikit-learn + PyTorch。具体版本范围可以参考这个表：

安装就直接用conda，强烈建议单独建一个虚拟环境，别往base里硬塞：

conda create -n deap python=3.10 -y conda activate deap pip install numpy scipy matplotlib scikit-learn torch

这里我要说清楚为什么用conda而不是一把梭全装。主要倒不在于conda本身多好用，而是pyenv、venv那一套在Windows和Linux上的行为略微不同，团队成员协作时很容易出现“我这边跑得通你那边跑不通”。conda环境切换直觉、包版本锁定清晰，对于这类数据处理项目足够省心。

2.2 about那个.mat读取报错

有些人在io.loadmat这一步就直接翻车，报错信息类似于NotImplementedError: Please use HDF reader for matlab v7.3 files。原因是.mat文件分了几种格式，DEAP官方给的是旧格式，scipy能直接读；但如果你下载的是别人转存过的、或者是自己用新版本MATLAB重新保存过的v7.3格式文件，scipy就无能为力。

这种情况下有两个办法：一是回到官网重新下载原始预处理文件；二是用h5py读，但读出来会多一个转置问题，因为MATLAB按列存储而h5py按行描述，一般需要对矩阵做转置才能恢复成(40, 40, 8064)。我个人建议直接换官方原始文件，最省事。

2.3 关于运行平台和字体的一些废话

我是Windows主力开发、偶尔切WSL Ubuntu跑实验。DEAP这套流程在Windows和Ubuntu上都跑过，并没有平台相关的坑，唯一感受是WSL里如果要用matplotlib画图显示中文，字体配置有点麻烦，建议直接用英文标签，心态会好很多。如果你也很在意写代码时的终端字体，想找接近macOS观感的，我个人在Ubuntu下用JetBrains Mono配合等宽配置，长时间看代码眼睛会舒服一点——但这跟DEAP本身没太大关系，属于开发体验范畴，提一嘴供参考。

3. 从.mat原始文件到标准化训练张量：预处理全流程代码

这节是整个流程里最容易出错也最影响最终结果的部分。我要把每一步都拆开讲清楚，包括那些网上教程很少提的“为什么”。

3.1 读取并合并全部被试数据

先把32个.mat文件全部读进来，合并成一个大数组。官方文件命名是participant_01.mat这种带补零的格式，所以注意一下字符串格式化：

from scipy import io import numpy as np def load_all_subjects(base_dir='data_preprocessed_matlab', n_subjects=32): all_data = [] all_labels = [] for idx in range(1, n_subjects + 1): path = f'{base_dir}/participant_{idx:02d}.mat' mat = io.loadmat(path) all_data.append(mat['data']) all_labels.append(mat['labels']) X = np.concatenate(all_data, axis=0) # (1280, 40, 8064) y = np.concatenate(all_labels, axis=0) # (1280, 4) return X, y X, y = load_all_subjects()

合并后X的总样本数是32×40=1280，每个样本是一个40通道的63秒信号。这一下会把约3GB的数据加载进内存，如果你的电脑内存不大，后面转float32会好一些。我建议在读取后直接显式转成float32，节省一半空间。

3.2 剔除3秒基线信号

前3秒基线里被试还没开始看视频，这段信号对情绪识别基本是噪声。裁剪掉前384个点：

X = X[:, :32, 384:] # 只用EEG通道，剔除基线 print(X.shape) # (1280, 32, 7680)

这里我直接只取了前32个EEG通道。原因前面说了，第一版模型别急着融合外周信号。X[:, :32, 384:]表示每个样本、取通道0到31、时间点从384到最后，剩下7680个点，正好是60秒×128Hz。

3.3 标签处理：把连续评分变成二分类目标

DEAP的标签是1到9之间的连续值。二分类任务里最常见的做法是选阈值5，高于等于5算正类、低于5算负类。拿valence举例：

threshold = 5.0 y_binary = (y[:, 0] >= threshold).astype(int) # 0或1

你当然也可以同时做valence和arousal两个任务，或者用3分类（低、中、高），甚至可以保留连续值做回归。但我建议第一版先做二分类。原因有二：一是论文里大家最常用的对比口径就是二分类准确率，方便你跟别人的结果对比；二是连续情感标签本身主观噪声很大，回归任务的评价容易做不到一致。

3.4 划分训练集与测试集：必须按被试切分

这一步是整个pipeline里最严重也最常见的坑。很多入门教程直接写train_test_split(X, y, test_size=0.2, random_state=42)，如果照做，你的准确率很可能飙到85%以上，然后你兴高采烈地以为自己调参调得很好——实际上你已经踩进数据泄漏的坑里了。

原因是同一个被试40段视频的生理信号高度相关，随机切分后，同一被试的部分片段在训练集、部分片段在测试集，模型实际上“见过这个人”。这就好比考试时把同一张卷子拆分成了练习题和考题，分数自然虚高。

正确的做法是按被试编号划分。我一般固定让6名被试做测试、26名做训练：

rng = np.random.RandomState(42) test_subjects = rng.choice(np.arange(32), size=6, replace=False) train_subjects = np.setdiff1d(np.arange(32), test_subjects) train_idx = np.array([i for i in range(len(X)) if i // 40 in train_subjects]) test_idx = np.array([i for i in range(len(X)) if i // 40 in test_subjects]) X_train, X_test = X[train_idx], X[test_idx] y_train, y_test = y_binary[train_idx], y_binary[test_idx]

这里用i // 40是因为每个被试的40段视频在合并数组中是连续排列的，索引除以40的整数部分就是被试编号0到31。我自己刚做时还踩过一个坑：直接按i // 40可能导致某个被试编号在test_subjects里对不上，因为np.random.choice返回的是数组，用in判断时容易出问题，所以统一用np.setdiff1d来求差集，逻辑更稳。

3.5 归一化：只在训练集上计算统计量

神经网络对输入尺度敏感，所以需要z-score归一化。但有个关键点——必须先用训练集的数据计算均值和标准差，再用这些统计量去标准化训练集和测试集，而不是对全量数据一次性标准化。

mean = X_train.mean(axis=(0, 2), keepdims=True) # 计算各通道均值 std = X_train.std(axis=(0, 2), keepdims=True) X_train = (X_train - mean) / (std + 1e-8) X_test = (X_test - mean) / (std + 1e-8)

keepdims=True会保留形状为(1, 32, 1)的维度，这样后面广播运算不会出错。axis=(0, 2)表示在所有样本和时间点上计算每个通道的均值。std + 1e-8是为了防止某个通道的std为0导致除零错误。虽然EEG数据里几乎不会出现std为0，但加上这个常数没有坏处。

如果对全量数据做标准化，测试集的统计信息就提前参与了训练过程，这又是一种隐蔽的数据泄漏。很多论文里准确率虚高，查一下预处理代码，往往就是这里出问题。

3.6 转成PyTorch张量与DataLoader

数据准备好后，需要把numpy数组转成torch张量，并构造DataLoader。EEGNet要求输入形状是(样本数, 1, 通道数, 时间点)，所以多加一个维度：

import torch from torch.utils.data import TensorDataset, DataLoader X_train_t = torch.tensor(X_train, dtype=torch.float32).unsqueeze(1) X_test_t = torch.tensor(X_test, dtype=torch.float32).unsqueeze(1) y_train_t = torch.tensor(y_train, dtype=torch.long) y_test_t = torch.tensor(y_test, dtype=torch.long) train_dataset = TensorDataset(X_train_t, y_train_t) test_dataset = TensorDataset(X_test_t, y_test_t) train_loader = DataLoader(train_dataset, batch_size=16, shuffle=True) test_loader = DataLoader(test_dataset, batch_size=64, shuffle=False)

如果按26个被试做训练，X_train_t的形状是(1040, 1, 32, 7680)，float32下大概占用255MB内存，普通笔记本完全扛得住。测试集6个被试是(240, 1, 32, 7680)，更小了。

4. 第一个能跑的情绪分类模型：基于PyTorch的搭建与训练

预处理链路跑通后，模型这部分反而轻松。我不建议第一版就上复杂网络，先用一个结构清晰、参数量小的EEGNet风格模型把端到端流程跑起来再说。

4.1 为什么从EEGNet开始

EEGNet是脑电信号分类里非常经典的轻量模型，核心思路是先做时间卷积，再做空间卷积。它只有几千到几万个参数，几十个epoch就能训练完，非常适合作为baseline。

时间卷积用一维卷积实现，空间卷积更巧妙：在通道这个维度上做卷积核大小为(通道数, 1)的卷积，相当于把每个时间点上的多通道信号融合成一个值。这种设计很符合EEG信号的物理结构——先提取单个通道的时间特征，再融合不同通道的空间特征。与之相比，直接把二维图像风格的CNN硬套到EEG上，通常效果不好，因为EEG通道之间并没有类似图像像素那样的空间邻接关系。

4.2 模型完整代码

下面的代码我实测过，能够直接跑通，不需要手动计算全连接层输入维度：

import torch.nn as nn class EEGNet(nn.Module): def __init__(self, n_chans=32, n_samples=7680, n_outputs=2): super().__init__() self.block1 = nn.Sequential( nn.Conv2d(1, 8, kernel_size=(1, 64), padding=(0, 32), bias=False), nn.BatchNorm2d(8), nn.Conv2d(8, 16, kernel_size=(n_chans, 1), bias=False), nn.BatchNorm2d(16), nn.ELU(), nn.AvgPool2d(kernel_size=(1, 4), stride=4), nn.Dropout(0.25) ) self.block2 = nn.Sequential( nn.Conv2d(16, 32, kernel_size=(1, 16), padding=(0, 8), bias=False), nn.BatchNorm2d(32), nn.ELU(), nn.AvgPool2d(kernel_size=(1, 8), stride=8), nn.Dropout(0.25) ) self.flatten = nn.Flatten() self.fc = nn.Linear(self._calc_features(n_chans, n_samples), n_outputs) def _calc_features(self, n_chans, n_samples): x = torch.zeros(1, 1, n_chans, n_samples) x = self.block1(x) x = self.block2(x) return x.numel() def forward(self, x): x = self.block1(x) x = self.block2(x) x = self.flatten(x) return self.fc(x)

有几点需要解释：

• bias=False加上后面的BatchNorm2d是标准做法，卷积层去偏置后BN效果更稳定。
• AvgPool2d比MaxPool2d对EEG更友好，因为脑电信号里突发尖峰不应该是分类决策的核心，平均池化能抑制这类噪声。
• _calc_features这个辅助函数，用一个全零临时张量跑一次前向，自动算出展平后的特征数，省得手算还容易错。

4.3 训练循环

训练参数我直接用经典的组合：Adam优化器、初始学习率1e-3、交叉熵损失函数、训练30个epoch：

torch.manual_seed(42) model = EEGNet() optimizer = torch.optim.Adam(model.parameters(), lr=1e-3) loss_fn = nn.CrossEntropyLoss() epochs = 30 for epoch in range(epochs): model.train() total_loss, correct, total = 0, 0, 0 for Xb, yb in train_loader: optimizer.zero_grad() out = model(Xb) loss = loss_fn(out, yb) loss.backward() optimizer.step() total_loss += loss.item() * len(Xb) correct += (out.argmax(dim=1) == yb).sum().item() total += len(Xb) train_acc = correct / total train_loss = total_loss / total print(f'epoch {epoch + 1:3d} | loss {train_loss:.4f} | acc {train_acc:.4f}')

如果你有GPU，可以在模型和每个batch上加上.cuda()，但即使纯CPU跑这个规模的模型，一个epoch也就十几秒，30个epoch几分钟内能跑完，完全无压力。

关于CrossEntropyLoss，它内部自带softmax，所以模型最后一层不需要手动接softmax，直接输出logits即可。out.argmax(dim=1)取logits最大的类别作为预测。

第一次跑的时候，你可能会看到训练集准确率在几个epoch后升到80%+，这是正常的，因为模型在拟合训练集。关键是别高兴太早，看测试集的表现才有意义。另外别在训练循环里加数据增强，EEG上做翻转、加噪之类的增强在DEAP这种小数据场景下容易帮倒忙。

4.4 关于batch size和随机种子

我选batch_size=16是因为DEAP训练集大约1000多个样本，batch太小梯度震荡明显，batch太大一个epoch步数太少，16是个稳妥值。torch.manual_seed(42)可以保证每次跑的初始化一致，方便复现。如果你要对比多个模型或多种预处理方式，建议把随机种子固定，否则结果差异里混着随机性，很难说清是模型变好了还是运气好。

5. 训练之后必看：评估策略与结果解读

模型训练完，接下来是评估环节。这里同样有几个容易埋雷的地方。

5.1 测试集上的评估代码

需要切换到model.eval()模式。这个细节很关键，因为模型里的BatchNorm2d和Dropout在训练和推理时行为不一样，如果继续用model.train()状态跑测试集，结果会有波动。

from sklearn.metrics import accuracy_score, f1_score, confusion_matrix model.eval() with torch.no_grad(): out = model(X_test_t) y_pred = out.argmax(dim=1).numpy() print('accuracy:', round(accuracy_score(y_test, y_pred), 4)) print('f1:', round(f1_score(y_test, y_pred), 4)) print(confusion_matrix(y_test, y_pred))

torch.no_grad()会关闭梯度计算，推理时省内存也省时间，这个习惯一定要养成。

5.2 结果长什么样才合理

不同随机种子、不同被试划分，结果会有一点波动。按我让6名被试做测试的切分方式，valence二分类的准确率一般在60%到70%之间，arousal可能稍微高一些。我最快跑出的一个模型准确率在63%左右，F1在0.5到0.6之间，混合矩阵大概长这样：

大致就是这种水平。如果你也复现出60%多，别沮丧，这就是DEAP二分类的正常区间。

相比之下，如果有人在论文里报告80%、90%的高准确率，你要先看他用的评估协议。如果没按被试划分，或者把多个被试的数据全部打乱后随机划分，这种高指标基本没有泛化意义。我自己最早踩过这个坑，随机划分时跑出过87%的准确率，心里还挺美，换成按被试划分后立刻掉到63%，这才反应过来之前是数据泄漏。

5.3 为什么情绪分类这么难

EEG信号是高度个体化的，同一段视频在两个人脑内产生的神经响应差异极大，再加上DEAP的标签来自被试自己的主观评分，本身就有很强的噪声。同一段视频，有人觉得愉悦，有人觉得一般，甚至同一个人在不同时间打分都可能不同。

所以情绪识别领域的真实状态就是这样：离线二分类能做到60%~70%已经算得上可用的baseline。后续想提升，通常有几条路线：

• 把时序特征用LSTM、Transformer建模，代替CNN里的简单时间卷积。
• 融合8个外周生理通道，尤其是皮电和心率，这些信号对唤醒度的区分力其实比EEG更稳定。
• 做跨被试域适应或者个体校准，用少量目标被试数据微调模型。
• 把分类任务改回归，用相关系数衡量预测值和真实评分的相关性，这也是一种常用评估方式。

但这些都属于“调优”阶段。在那之前，先把预处理、按被试划分、模型训练这条链路跑通，已经比很多人走得远了。

5.4 记录实验信息的习惯

最后说一个和代码无关但特别重要的习惯：每次实验务必把随机种子、划分方式、归一化统计量、模型结构、学习率这几项记录下来。DEAP这套流程里，可变的细节太多了，稍一改动结果就变。不记录的话，几天后你回头看自己跑的结果，很可能完全复现不出来。我后来整理项目代码时吃过这个亏，现在每跑一次实验就顺手在结果文件名里带上“subjects划分方案+seed+模型名”，建议你也这么做。

写在最后面的一点体会

整套流程跑下来的最大感受是：DEAP情绪检测的复杂度不在模型，而在数据处理和实验设计。按被试划分、去掉基线、只在训练集上归一化，这些细节单独看都不起眼，但任何一个做错了，结果都不具备参考价值。我甚至觉得，能把这些“隐形细节”处理得干净利落的人，比换一个花哨模型的人更容易出靠谱成果。另外如果你第一次跑就遇到了莫名其妙的准确率飙升，先回头检查划分方式，这算是我的肺腑之言。希望这篇能帮你少走几个我走过的弯路。