使用 PyTorch 进行 NLP 深度学习#
这些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，与任何深度学习工具包都相关。
它们专门针对从未在任何深度学习框架（例如 TensorFlow、Theano、Keras、DyNet）中编写过代码的人群，重点关注 NLP。本教程假设读者对核心 NLP 问题（词性标注、语言建模等）有实际操作知识。它还假设读者对神经网络有入门级 AI 课程（例如 Russel 和 Norvig 的书）的熟悉程度。通常，这些课程会涵盖前馈神经网络上的基本反向传播算法，并指出它们是线性和非线性组合的链。本教程旨在帮助您在具备这些先决知识的情况下，开始编写深度学习代码。
请注意，这些教程是关于**模型**，而不是数据。对于所有模型，都会创建一些小维度测试示例，以便您可以看到权重如何随训练而变化。如果您有一些真实数据要尝试，您应该能够从本笔记本中提取任何模型并在其上使用它们。
- pytorch_tutorial.py
PyTorch 简介 https://pytorch.ac.cn/tutorials/beginner/nlp/pytorch_tutorial.html
- deep_learning_tutorial.py
使用 PyTorch 进行深度学习 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
