譯者：Yif Du

協議：CC BY-NC-ND 4.0

歡迎任何人參與和完善：一個人可以走的很快，但是一群人卻可以走的更遠。

本書旨在為新人提供自然語言處理（NLP）和深度學習，以涵蓋這兩個領域的重要主題。這兩個主題領域都呈指數級增長。對于一本介紹深度學習和強調實施的NLP的書，本書占據了重要的中間地帶。在寫這本書時，我們不得不對哪些材料遺漏做出艱難的，有時甚至是不舒服的選擇。對于初學者，我們希望本書能夠為基礎知識提供強有力的基礎，并可以瞥見可能的內容。特別是機器學習和深度學習是一種經驗學科，而不是智力科學。我們希望每章中慷慨的端到端代碼示例邀請您參與這一經歷。當我們開始編寫本書時，我們從PyTorch 0.2開始。每個PyTorch更新從0.2到0.4修改了示例。 PyTorch 1.0將于本書出版時發布。本書中的代碼示例符合PyTorch 0.4，它應該與即將發布的PyTorch 1.0版本一樣工作.1關于本書風格的注釋。我們在大多數地方都故意避免使用數學;并不是因為深度學習數學特別困難（事實并非如此），而是因為它在許多情況下分散了本書主要目標的注意力——增強初學者的能力。在許多情況下，無論是在代碼還是文本方面，我們都有類似的動機，我們傾向于對簡潔性進行闡述。高級讀者和有經驗的程序員可以找到方法來收緊代碼等等，但我們的選擇是盡可能明確，以便覆蓋我們想要達到的大多數受眾。

• 在線閱讀
• 代碼地址
• ApacheCN 機器學習交流群 629470233
• ApacheCN 學習資源

目錄

• Chapter 1.基礎介紹
• Chapter 2.傳統NLP快速回顧
• Chapter 3.神經網絡基礎組件
• Chapter 4.自然語言處理 Feed-Forward Networks
• Chapter 5.Embedding Words and Types
• Chapter 6.自然語言處理 Sequence Modeling
• Chapter 7.自然語言處理的中間 Sequence Modeling
• Chapter 8.用于自然語言處理的高級 Sequence
• Chapter 9.經典, 前沿和后續步驟

精品推薦

深度學習必學

反向傳遞: https://www.cnblogs.com/charlotte77/p/5629865.html

CNN原理: http://www.cnblogs.com/charlotte77/p/7759802.html

RNN原理: https://blog.csdn.net/qq_39422642/article/details/78676567

LSTM原理: https://blog.csdn.net/weixin_42111770/article/details/80900575

自然語言處理

• Python 自然語言處理 第二版: https://usyiyi.github.io/nlp-py-2e-zh
• 推薦一個liuhuanyong大佬整理的nlp全面知識體系: https://liuhuanyong.github.io
• 開源 - 詞向量庫集合:
  • https://github.com/Embedding/Chinese-Word-Vectors
  • https://github.com/brightmart/nlp_chinese_corpus
  • https://github.com/codemayq/chinese_chatbot_corpus
  • https://github.com/candlewill/Dialog_Corpus

---

內容由 ApacheCN 團隊提供支持

總結

以上是生活随笔為你收集整理的PyTorch 自然语言处理（Natural Language Processing with PyTorch）翻译完成 | ApacheCN的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。