NLP中各个框架处理变长序列的方法详解

在自然语言处理（NLP）领域，处理变长序列是一项常见的任务，包括文本分类、命名实体识别、机器翻译等。不同的NLP框架提供了各自的方法来处理这个问题。本文将详细介绍几种常见的NLP框架，并给出相应的源代码示例。

1. PyTorch

PyTorch是一个广泛使用的深度学习框架之一，它提供了丰富的工具来处理变长序列。在PyTorch中，可以使用填充（padding）和掩码（masking）的方式处理变长序列。填充是在序列的末尾添加特殊的标记，使得序列的长度一致；掩码是用一个二进制矩阵表示序列中的有效位置。下面是一个示例代码：

import torch
import torch.nn as nn

# 假设输入序列为一个批次的文本，每个文本由多个词语组成，词语用索引表示
# 假设每个文本的长度为max_len，总共有batch_size个文本
input_seq