|
Pytorch项目实战 基于RNN的实现情感分析
本课程基于Pytorch深度学习框架详细介绍了自然语言处理中情感分析的基本步骤。首先介绍了文本转换词向量的具体方法,并使用Dataset和DataLoader完成数据的读取和批量加载。最后利用Pytorch深度学习框架搭建基础的RNN模型实现情感分析的任务。最后在此基础上详细介绍了循环神经网络RNN的基本原理和网络结果。各位同学可以再次基础上搭建自己的循环神经网络模型,比如双向的长短时记忆神经网络BiLSITM和门控循环单元GRU等。
资源目录:
1 Word2Sequence的初始化函数.mp4
2 语料库词频统计.mp4
3 语料库词典到序列的转换.mp4
4 IMDB数据介绍及读取.mp4
5 使用DataSet读取IMDB数据集.mp4
6 使用索引的方式读取加载.mp4
7 使用DataLoader批量加载数据.mp4
8 Pytorch搭建RNN情感分析模型.mp4
9 RNN模型的训练.mp4
10 RNN模型的预测.mp4
11 循环神经网络基本原理和模型改进.mp4
课程资料.zip
下载地址:
|
|