PyTorch-NLP 是用于自然语言处理的开源 Python 库，它构建于最新的研究之上，可以帮助开发者快速开发原型。PyTorch 带有预训练嵌入（pre-trained embeddings）、采样器、数据集加载器、神经网络模型和文本编码器。

详细信息可访问 PyTorch-NLP 官方网站：

https://pytorchnlp.readthedocs.io/en/latest/

Github 链接：

https://github.com/PetrochukM/PyTorch-NLP

  安装

请先安装 Python 3.5+ 和 PyTorch 0.2.0 及以上版本，然后用 pip 安装 PyTorch-NLP：

pip install pytorch-nlp

  可选安装

如果您想使用SpaCy <http://spacy.io/> 中的英文标记器，则需要安装 SpaCy 并下载其英文模型：

pip install spacy
python -m spacy download en_core_web_sm

或者，您可能需要使用 NLTK <http://nltk.org/>的 Moses tokenizer。您必须安装NLTK 并下载所需的数据：

pip install nltk
python -m nltk.downloader perluniprops nonbreaking_prefixes

  用法

PyTorch-NLP 的设计思想直观并且简单易用：

• 加载 FastText，Facebook 的快速文本分类器

from torchnlp.embeddings import FastText
vectors = FastText()
vectors['hello']  # [torch.FloatTensor of size 100]

• 加载数据集，比如 IMBD

from torchnlp.datasets import imdb_dataset
train = imdb_dataset(train=True)
train[0]  # {'text': 'For a movie that gets..', 'sentiment': 'pos'}

• 用 torchnlp.metrics 计算 BLEU 分数：

from torchnlp.metrics import get_moses_multi_bleu
hypotheses = ["The brown fox jumps over the dog 笑"]
references = ["The quick brown fox jumps over the lazy dog 笑"]
get_moses_multi_bleu(hypotheses, references, lowercase=True)  # 47.9

【限时拼团】

NLP 工程师入门实践班

三大模块，五大应用，知识点全覆盖；

海外博士讲师，丰富项目分享经验；

理论 + 实践，带你实战典型行业应用；

专业答疑社群，结交志同道合伙伴。

▼▼▼

关注 AI 研习社（okweiwu），回复  1  领取

【超过 1000G 神经网络 / AI / 大数据，教程，论文】

如何在NLP领域干成第一件事？

▼▼▼