PyTorch 自然语言处理深度学习#
这些教程将引导您完成使用 PyTorch 进行深度学习编程的关键思路。许多概念（例如计算图抽象和 autograd）并非 PyTorch 特有，而是与现有的任何深度学习工具包相关。
它们专门针对自然语言处理，面向从未在任何深度学习框架（例如 TensorFlow、Theano、Keras、DyNet）中编写过代码的人员。本教程假定您具备核心 NLP 问题（如词性标注、语言建模等）的实践知识。它还假定您熟悉人工智能入门课程（例如 Russel 和 Norvig 书籍中的内容）水平的神经网络知识。通常，这些课程会涵盖前馈神经网络的基本反向传播算法，并指出它们是线性和非线性的复合链。本教程旨在帮助您在具备这些先备知识的情况下，开始编写深度学习代码。
请注意，这些教程关注的是模型，而非数据。对于所有模型，都会创建一些具有小维度的测试示例，以便您了解权重在训练过程中如何变化。如果您想尝试一些真实数据，应该能够从本 Notebook 中提取任何模型并将其用于您的数据。
- pytorch_tutorial.py
PyTorch 入门 https://pytorch.ac.cn/tutorials/beginner/nlp/pytorch_tutorial.html
- deep_learning_tutorial.py
PyTorch 深度学习 https://pytorch.ac.cn/tutorials/beginner/nlp/deep_learning_tutorial.html
- word_embeddings_tutorial.py
词嵌入：编码词汇语义 https://pytorch.ac.cn/tutorials/beginner/nlp/word_embeddings_tutorial.html
- sequence_models_tutorial.py
序列模型和长短期记忆网络 https://pytorch.ac.cn/tutorials/beginner/nlp/sequence_models_tutorial.html
- advanced_tutorial.py
进阶：动态决策和 Bi-LSTM CRF https://pytorch.ac.cn/tutorials/beginner/nlp/advanced_tutorial.html
