8、深度学习工作流：从数据处理到模型训练

深度学习工作流：从数据处理到模型训练

1. 可用数据集与音频处理

在深度学习中，合适的数据集是基础。以下是一些常见的 torchtext 数据集及其适用任务：
| 数据集 | 任务 |
| — | — |
| BaBi | 问答 |
| SST | 情感分析 |
| IMDB | 情感分析 |
| TREC | 问题分类 |
| SNLI | 蕴含关系判断 |
| MultiNLI | 蕴含关系判断 |
| WikiText2 | 语言建模 |
| WikiText103 | 语言建模 |
| PennTreebank | 语言建模 |
| WMT14 | 机器翻译 |
| IWSLT | 机器翻译 |
| Multi30k | 机器翻译 |
| UDPOS | 序列标注 |
| CoNLL2000Chunking | 序列标注 |

torchaudio 是 PyTorch 中用于音频处理的工具，虽然它目前可能是所有实用工具包中最不成熟的，但它已经能够满足音频领域的基本需求。 torchaudio 依赖于跨平台音频格式转换器 Sound eXchange (SoX)，安装依赖后，可以通过 Python 安装文件从源代码进行安装：

python setup.py install

torchaudio 提供了两