使用 Pytorch 进行 NLP 深度学习

作者：Robert Guthrie

本教程将引导您了解使用 Pytorch 进行深度学习编程的关键思想。许多概念（例如计算图抽象和自动梯度）并非 Pytorch 独有，而是与任何深度学习工具包都相关。

我编写本教程的目的是专门针对从未在任何深度学习框架（例如 TensorFlow、Theano、Keras、DyNet）中编写过代码的 NLP 人员。它假定您具备核心 NLP 问题的实用知识：词性标注、语言建模等。它还假定您熟悉神经网络，其水平相当于 AI 入门课程（例如 Russel 和 Norvig 的书）。通常，这些课程涵盖前馈神经网络上的基本反向传播算法，并指出它们是由线性变换和非线性变换组成的链。本教程旨在在您具备这些先决知识的情况下，帮助您开始编写深度学习代码。

请注意，这是关于模型的，而不是数据的。对于所有模型，我只创建了几个维度较小的测试示例，以便您可以看到权重在训练过程中的变化情况。如果您有一些想要尝试的真实数据，您应该能够从本笔记本中提取任何模型并在其上使用。