pytorch自然语言处理之Pooling层的句子分类

 概括

        Pooling作为最简单的层可以作为句子分类任务。

流程图

第一步搭建网络

这里除了划线的和类的名字外，其他都是pytorch固定模板。__init__就是搭建网络的函数，forward是数据怎么在你刚搭建的网络中流动的写出来就行，注意数据矩阵的维数，要前后对上。该维度可以用view()，t(),transport()。

这里的Embeding层就是把现实客观特征转成电脑识别的特征，也就是特征向量化。

第二步读入数据并将数据数字化

数据是这个样子：

前面文本后面类别

读取文本的类

清洗英文文本的函数，这个写过一次后，下次清洗文本直接复制直接用。

文本读取完后，建立词典，为只有数字序列化做准备。函数如下：

字典为：

然后通过函数调用就能生成数字序列：

第三步开始训练

因为用SGD很多时候不能够收敛。。。特别悲催

这是计算精确度的函数，在一遍跑好的模型上走一遍Dev数据，得出开发集准确率。torch和numpy交换就用  .numpy()。

最后得出结果：

这个贼耗时间

精确度慢慢增长。。。

---

之后还会再添加CNN，RNN，LSTM，GAN神经网络。可以添加我的微信公众号，实时会有自然语言处理理论与实践。关注可以获得语料和源代码呦!

DeepLearningForNLP