PyTorch Deep Learning for NLP with Pytorch

此教程翻译自官方教程

作者:Robert Guthrie

本教程将引导您学习在使用 Pytorch 进行深度学习编程中的一些主要思想。许多概念(概念图抽象和autograd)并不是 Pytorch 所特有的,而是与任何深度学习工具有关。

我写这个教程,专门针对自然语言处理和那些从未用过任何深度学习框架(比如Tensorflow,Theano,Keras, Dynet)的写过自然语言处理的人。该教程假定你知道自然语言处理的核心知识: 词性标注、语言建模等。也假定你熟悉神经网络基础(例如来自 Russel 和 Norvig书)。通常,这些书籍涵盖基础的前馈神经网络的反向传播算法,并指出他们是线性和非线性组合的链。
本教程旨在让您开始编写深度学习的代码和让你知道这些必备知识。

请注意,这是关于模型而不是数据。对于所有的模型,我们只创建一个小维度的小的测试样例,以便您可以看到权重在它训练时是如何变化的。如果有一些真实数据你想去尝试,你应该能够撕掉这个笔记上的任何模型,并使用他们。

介绍 Torch 的张量库

所有深度学习都是基于张量计算,这是矩阵的推广,它的维度可以超过两维。我们将在后面深入地看到这究竟意味着什么。首先,让我们看看我们可以使用张量做什么。