14天动手学深度学习-Task1

二、 softmax和分类模型
1.torchvision主要由以下几部分构成：
torchvision.datasets: 一些加载数据的函数及常用的数据集接口；
torchvision.models: 包含常用的模型结构（含预训练模型），例如AlexNet、VGG、ResNet等；
torchvision.transforms: 常用的图片变换，例如裁剪、旋转等；
torchvision.utils: 其他的一些有用的方法
2.train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size)对dataloder进行封装。
3.W.requires_grad_(requires_grad=True)
b.requires_grad_(requires_grad=True) #初始化偏差方差并赋梯度方便反向传播。
4.def cross_entropy(y_hat, y):
return - torch.log(y_hat.gather(1, y.view(-1, 1)))#表示返回所有y的估计所对应的真实的标签的Tensor
三、文本预处理
import spacy
nlp = spacy.load(‘en_core_web_sm’)
doc = nlp(text)
print([token.text for token in doc])# 利用 spacy.load导入一个已经有的language,吧这个已有的language命名为nlp，nlp可以直接作用于文本，我们可以把这个nlp看做一个pipline， 当nlp作用一个文本时，先对这个文本进行分词，然后依次执行pipline的各个步骤。本文只用到了分词的结果。