使用anaconda 安装torchtext_Pytorch学习记录-更深的TorchText学习01

Pytorch学习记录-更深的TorchText学习01

简单实现torchtext之后，我希望能够进一步学习torchtext。找到两个教程

• 教程1practical-torchtext
• 教程2pytorch-sentiment-analysis

1. practical-torchtext简介

有效使用torchtext的教程，包括两个部分

• 文本分类
• 词级别的语言模型

1.1 目标

torchtext的文档仍然相对不完整，目前有效地使用torchtext需要阅读相当多的代码。这组教程旨在提供使用torchtext的工作示例，以使更多用户能够充分利用这个风扇库。

1.2 使用

torchtext的当前pip版本存在一些错误，这些错误会导致某些代码运行不正确。这些错误目前只在torchtext的github存储库的主分支上修复。因此，教程建议使用以下命令从github存储库安装torchtext：

pip install --upgrade git+https://github.com/pytorch/text

2. 基于torchtext处理的文本分析

我看了一下，第一课是基于这两天反复操作的那个教程，但是作者进行了丰富和解释，就放在这里再跑一次了

2.0 简介

前面都是一致的，加载数据，预处理之后生成dataset，输入模型。

使用的数据集还是之前的Kaggle垃圾信息数据。

import pandas as pdimport numpy as npimport torchfrom torch.nn import initfrom torchtext.data import Field

2.1 声明Fields

Field类用于确定数据是如何预处理并转化为数字格式。

很简单。标签的预处理更加容易，因为它们已经转换为二进制编码。我们需要做的就是告诉Field类标签已经处理完毕。我们通过将use_vocab = False关键字传递给构造函数来完成此操作

tokenize=lambda x: x.split()TEXT=Field(sequential=True, tokenize=tokenize, lower=True)LABEL=Field(sequential=False, use_vocab=False)

2.2 创建Dataset

我们将使用TabularDataset类来读取我们的数据，因为它是csv格式(截至目前，TabularDataset处理csv，tsv和json文件)

对于列车和验证数据，我们需要处理标签。我们传入的字段必须与列的顺序相同。对于我们不使用的字段，我们传入一个元组，其中第二个元素是None

%%timefrom torchtext.data import TabularDatasettv_datafields=[ ('id',None), ('comment_text',TEXT), ("toxic