TorchText是一款优秀的NLP数据处理工具,可以方便的对文本进行预处理,例如截断补长、构建词表等。但是因为nlp的热度远不如cv,对于torchtext介绍的相关博客数量也远不如torchvision
torchtext对数据的处理可以概括为Field,Dataset和迭代器三部分。
Field对象
Field对象指定要如何处理某个字段.
Dataset
Dataset定义数据源信息.
迭代器
迭代器返回模型所需要的处理后的数据.迭代器主要分为Iterator, BucketIerator, BPTTIterator三种。
torchtext还自带Multi30k数据集,这是一个包含约30000个平行的英语、德语和法语句子的数据集,每个句子包含约12个单词。
TorchText
最新推荐文章于 2024-06-09 09:59:26 发布