forked from OpenDocCN / pytorch-doc-zh

加入 Gitee

与超过 1200万开发者一起发现、参与优秀开源项目，私有仓库也完全免费：）

克隆/下载

deep_learning_nlp_tutorial.md 2.45 KB

# 针对NLP的Pytorch深度学习

> 译者：[@JingTao](https://github.com/jingwangfei)、[@friedhelm739](https://github.com/friedhelm739)

**作者**: [Robert Guthrie](https://github.com/rguthrie3/DeepLearningForNLPInPytorch)

本教程将带你浏览基于Pytorch深度学习编程的核心思想.其中很多思想(例如计算图形抽象化以及自动求导) 并不是Pytorch特有的,他们和任何深度学习工具包都是相关的.

本教程针对那些从未在任何深度学习框架下编写过代码的人(例如TensorFlow,Theano, Keras, Dynet),并 专注于NLP.它提出了应用知识中NLP的核心问题:词性标注,语言建模等.它同样提出了在AI入门级别熟悉神经 网络(例如Russel和Norvig的书).通常情况下, 这些课程包括了基于前馈神经网络的基本的反向传播算法, 并使你了解到它们是线性和非线性组成的链条.本教程目的使你开始编写深度学习代码并给你首要必备的知识.

提示一下, 这仅关乎于 _模型_ , 并非是数据.针对所有模型,我仅仅提出了一些低纬度的例子 以便于你可以观察当训练时权重的变化.如果你有一些真实数据去尝试,可以将本教程中模型 复制下并将数据应用到模型上.

![http://pytorch.apachecn.org/cn/tutorials/_images/sphx_glr_pytorch_tutorial_thumb.png](img/dda91356348c84bcd84a220e521b4d96.jpg)

[PyTorch介绍](nlp/pytorch_tutorial.html#sphx-glr-beginner-nlp-pytorch-tutorial-py)

![http://pytorch.apachecn.org/cn/tutorials/_images/sphx_glr_deep_learning_tutorial_thumb.png](img/ebc2ff9705d5819431a5f5f5f8dec724.jpg)

[PyTorch深度学习](nlp/deep_learning_tutorial.html#sphx-glr-beginner-nlp-deep-learning-tutorial-py)

![http://pytorch.apachecn.org/cn/tutorials/_images/sphx_glr_word_embeddings_tutorial_thumb.png](img/5e01fc89a0e79c22304558b04ce1b21e.jpg)

[词汇嵌入:编码词汇语义](nlp/word_embeddings_tutorial.html#sphx-glr-beginner-nlp-word-embeddings-tutorial-py)

![http://pytorch.apachecn.org/cn/tutorials/_images/sphx_glrsequencemodels_tutorial_thumb.png](img/d039aef9c9fb8610d9dcaa67c63a2a8e.jpg)

[序列模型和 LSTM 网络(长短记忆网络）](nlp/sequence_models_tutorial.html#sphx-glr-beginner-nlp-sequence-models-tutorial-py)

![http://pytorch.apachecn.org/cn/tutorials/_images/sphx_glr_advanced_tutorial_thumb.png](img/602c0e119f456abdd0a45bf6dfcc4405.jpg)

[高级教程: 作出动态决策和 Bi-LSTM CRF](nlp/advanced_tutorial.html#sphx-glr-beginner-nlp-advanced-tutorial-py)

一键复制编辑原始数据按行查看历史

提交于 2020-03-04 14:15 . 更新 1.4 翻译版本

针对NLP的Pytorch深度学习

译者：@JingTao、@friedhelm739

作者: Robert Guthrie

本教程将带你浏览基于Pytorch深度学习编程的核心思想.其中很多思想(例如计算图形抽象化以及自动求导) 并不是Pytorch特有的,他们和任何深度学习工具包都是相关的.

本教程针对那些从未在任何深度学习框架下编写过代码的人(例如TensorFlow,Theano, Keras, Dynet),并专注于NLP.它提出了应用知识中NLP的核心问题:词性标注,语言建模等.它同样提出了在AI入门级别熟悉神经网络(例如Russel和Norvig的书).通常情况下, 这些课程包括了基于前馈神经网络的基本的反向传播算法, 并使你了解到它们是线性和非线性组成的链条.本教程目的使你开始编写深度学习代码并给你首要必备的知识.

提示一下, 这仅关乎于模型 , 并非是数据.针对所有模型,我仅仅提出了一些低纬度的例子以便于你可以观察当训练时权重的变化.如果你有一些真实数据去尝试,可以将本教程中模型复制下并将数据应用到模型上.

PyTorch深度学习

词汇嵌入:编码词汇语义

序列模型和 LSTM 网络(长短记忆网络）

高级教程: 作出动态决策和 Bi-LSTM CRF

1

https://gitee.com/xuyifeng1217/pytorch-doc-zh.git

git@gitee.com:xuyifeng1217/pytorch-doc-zh.git

xuyifeng1217

pytorch-doc-zh

pytorch-doc-zh

master