一、Torchtext组建的基本构造
Field: 主要包含以下数据预处理的配置信息,比如指定的分词方法,是否转成小写,起始与结束字符,补全字符以及词典等等
LabelField: 用于指定标签类别的种类以及标签的表示方式
Dateset: 它是继承了Pytorch的Dataset,用于加载数据,提供了TabularDataset可以指定路径,格式,Field信息就可以方便的完成数据加载。如果部分数据无法使用TabularDateset进行加载,则可以继承Dataset类别进行自建类,但最后必须返回一个Examples够迭代类进行划分。同时torchtext还提供预先构建的常用数据集的Dataset对象 ,可以直接加载使用,splits方法可以同时加载训练集,验证集,测试集。
Iterator: 主要是数据输出的模型的迭代器,可以支持batch定制
二、Field组建
Field 包含一些文本处理的通用的参数设置,同时还包含了一个词典的对象,可以把文本数据表示为数字类型,进而可以把文本表示为需要的tensor类型。
1 、Field的对象主要参数包含:
sequential:是否把数据表示成序列;如果是False,不能使用分词;默认值为True
use_vocab:是否使用词典对象;如果是False,数据的类型必须已经是数值类型;默认值为True
init_token