對(duì)于任何一個(gè)深度學(xué)習(xí)的框架，都能夠訓(xùn)練文本數(shù)據(jù)，當(dāng)然NLTK在自然語(yǔ)言處理也占有一定的名聲和權(quán)重

任何東西都離不開你我

來(lái)源 github

# 導(dǎo)入torch的模塊 import torch import torch.nn as nn from torch.autograd import Variable import torch.optim as optim import torch.nn.functional as F import nltk import random import numpy as np from collections import Counter flatten = lambda l: [item for sublist in l for item in sublist] random.seed(1024) flatten([[1,2,3]]) # [1, 2, 3]

這個(gè)配置GPU的，我覺得CPU 也可以，速度不是很慢

# USE_CUDA = torch.cuda.is_available() # gpus = [0] # torch.cuda.set_device(gpus[0]) # FloatTensor = torch.cuda.FloatTensor if USE_CUDA else torch.FloatTensor # LongTensor = torch.cuda.LongTensor if USE_CUDA else torch.LongTensor # ByteTensor = torch.cuda.ByteTensor if USE_CUDA else torch.ByteTensor # 批處理 def getBatch(batch_size, train_data):random.shuffle(train_data)sindex = 0

總結(jié)

以上是生活随笔為你收集整理的pytorch 和nltk 结合训练的例子的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。