文件名称：Practical-pytorch：转到https：github.compytorchtutorials-该存储库已弃用，不再维护
文件大小：718KB
文件格式：ZIP
更新时间：2024-02-24 09:04:33
nlp natural-language-processing seq2seq natural-language-generation nlg
这些教程已合并为。 请去那里以获得与新版本的PyTorch兼容的这些教程的更好维护的版本。 通过基于项目的教程学习PyTorch。 这些教程通过可读代码演示了现代技术，并使用了来自互联网的常规数据。 讲解 系列1：用于NLP的RNN 从分类到生成，将递归神经网络应用于自然语言任务。 带有单词级RNN和GloVe嵌入的WIP情感分析 系列2：用于时序数据的RNN WIP使用RNN预测离散事件 开始使用 在全新Linux或Mac机器上运行它们的最快方法是安装 ： curl -LO https://repo.continuum.io/archive/Anaconda3-4.3.0-Linux-x86_64.sh bash Anaconda3-4.3.0-Linux-x86_64.sh 然后安装PyTorch： conda install pytorch -c soumith 然后克隆此存储库并启动Jupyter Notebook： git clone http://github.com/spro/practical-pytorch cd practical-pytorch jup
【文件预览】：
practical-pytorch-master
----char-rnn-generation()
--------train.py(2KB)
--------generate.py(1KB)
--------helpers.py(749B)
--------char-rnn-generation.ipynb(41KB)
--------model.py(913B)
--------README.md(2KB)
----data()
--------names()
----reinforce-gridworld()
--------reinforce-gridworld.py(8KB)
--------helpers.py(801B)
--------reinforce-gridworld.ipynb(313KB)
----char-rnn-classification()
--------server.py(181B)
--------char-rnn-classification.ipynb(91KB)
--------train.py(2KB)
--------predict.py(826B)
--------model.py(721B)
--------.gitignore(48B)
--------data.py(1KB)
----conditional-char-rnn()
--------train.py(2KB)
--------generate.py(1KB)
--------model.py(1KB)
--------data.py(2KB)
--------conditional-char-rnn.ipynb(48KB)
----LICENSE(1KB)
----seq2seq-translation()
--------images()
--------seq2seq-translation.ipynb(120KB)
--------seq2seq-translation-batched.py(27KB)
--------seq2seq-translation-batched.ipynb(143KB)
--------masked_cross_entropy.py(2KB)
----glove-word-vectors()
--------glove-word-vectors.ipynb(12KB)
----.gitignore(69B)
----README.md(4KB)