Datawhale九月组队学习--情感分析--Task05

Datawhale九月组队学习：情感分析

往期指路：

   Task01情感分析BaseLine

   Task02情感分析Upgrade

   Task03情感分析Faster
   Task04情感分析CNN

---

前言

  本文是一个多分类的任务，前面的任务都是二分类任务，这里将对具有 6 个类的数据集执行分类。请注意，该数据集实际上并不是情感分析数据集，而是问题数据集，任务是对问题所属的类别进行分类。但是，本次学习中涵盖的所有内容都适用于任何包含属于 $C$ 类之一的输入序列的示例的数据集。

---

笔记要点

一、 模型搭建流程

  1、数据预处理
  2、构建模型
  3、训练模型
  4、模型验证

二、 数据预处理要点记录

这里需要注意的是：

   第一，我们不需要在 LABEL 字段中设置 dtype。在处理多类问题时，PyTorch 期望标签被数字化为LongTensor。
   第二，这次我们使用的是TREC数据集而不是IMDB数据集。 fine_grained 参数允许我们使用细粒度标签（其中有50个类）或不使用（在这种情况下它们将是6个类）。

注意：TorchText中TREC的相关用法点这里

三、 模型搭建要点记录

  我们将使用Task04中的CNN模型，但是教程中涵盖的任何模型都适用于该数据集。 唯一的区别是现在 output_dim 是 $C$维而不是 $2$维。

  这里有了一个新的知识点：nn.ModuleList()函数，这里有一个简单的介绍：
将子模块保存在列表中。ModuleList 可以像常规 Python 列表一样索引，但它包含的模块已正确注册，并且所有 Module 方法都可以看到。原文链接

  这里给大家推荐一个博主的文章，是关于 PyTorch 中的 ModuleList 和 Sequential: 区别和使用场景

---

总结

  以上就是本文的所有内容了，继续加油呀~