PyTorch 入门指南
学习 PyTorch
图像和视频
音频
后端
强化学习
在生产环境中部署 PyTorch 模型
Profiling PyTorch
代码变换与FX
前端API
扩展 PyTorch
模型优化
并行和分布式训练
边缘端的 ExecuTorch
推荐系统
多模态

从零开始学习自然语言处理

在这个分为三部分的系列中,您将构建并训练一个基本的字符级循环神经网络(RNN)来对单词进行分类。

您将学习:

  • 如何从零开始构建循环神经网络

  • 自然语言处理中的关键数据处理技巧

  • 如何训练循环神经网络识别单词的语言来源

在开始之前,我们建议您先查看以下内容:

从零开始学 NLP - 第 1 部分:使用字符级 RNN 进行名称分类

学习如何使用RNN将名字分类到其来源语言。

代码

https://pytorch.org/tutorials/intermediate/char_rnn_classification_tutorial.html

从零开始学习 NLP - 第 2 部分:使用字符级 RNN 生成名称

扩展我们在第一部分中创建的 RNN,以生成不同语言的名称。

代码

https://pytorch.org/tutorials/intermediate/char_rnn_generation_tutorial.html

从零开始学习 NLP - 第 3 部分:使用序列到序列网络和注意力机制进行翻译

创建一个能够将文本从法语翻译成英语的序列到序列模型。

代码

https://pytorch.org/tutorials/intermediate/seq2seq_translation_tutorial.html

本页目录