pytorch实现文本分类/生成和数据预测的代码拆解——前言

在讲深度学习之前，我想问一个问题。对于深度学习来说，是数据重要还是算法重要？

很多学数学的人给出的答案是，算法重要。但是很多真正做工程的人给出的答案却不同——数据更重要。数据决定了训练结果的上限，算法决定了训练结果的下限。

那为什么我们相对于数据来说，更关注算法呢？因为关注数据有几个缺点：

1. 数据必然是有噪点的。噪点越多，训练的结果也就越差。
2. 数据是有多样性的，不可能规定数据的类型。
3. 好的数据的成本太高了。
4. 提高数据质量的难度远远高于提高算法的难度。

换句话说，我们没办法提高数据的质量，就只能提高算法的质量。但是在整个的训练过程中，数据的质量是重中之重，直接影响了最后的训练结果。

那么应该如何通过pytorch做训练呢？我们分为三步：

1. 数据处理
2. 算法选择（嵌套选择）
3. 训练
   我们将在后面的文章中，对这三步分别进行代码拆解。