8、深度学习工作流：从数据到模型训练的全面指南

深度学习工作流：从数据到模型训练的全面指南

1. 可用数据集

在深度学习任务中，合适的数据集是关键。以下是一些常见的 torchtext 数据集及其对应的任务：
| 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 |

2. torchaudio 工具包

2.1 概述

torchaudio 是 PyTorch 中用于音频处理的工具包，虽然它在所有 PyTorch 工具包中可能是最不成熟的，甚至不能通过 pip 安装，但它覆盖了音频领域基本的使用场景。此外，PyTorch 还在核心中添加了一些方便的函数，如逆快速傅里叶变换（IFFT）和稀疏快速傅里叶变换（SFFT），显示了其在音频领域的进展。

2.2 安装

torchaudio