在对研究进展有一定了解后，尝试复现论文代码是科研过程中的重要步骤。本文聚焦于使用PyTorch进行数据处理，包括为何选择PyTorch、数据加载工具Dataset和DataLoader的使用，以及torchtext在文本处理中的应用。同时分享了如何参考微软开源推荐系统的代码，将数据处理移植到PyTorch平台，并提供了个人仓库链接以供交流。
读了很多论文，咱们自己心里也对整体的进展有了一些了解和脉络，那么下一步就可以试着复现啦~
而要复现人家的代码，那肯定得找人家的数据集，数据到手后就可以开始处理了~ 这篇主要粘一些看到的比较好的博客
平台
我自己就是觉得pytorch比tensorflow帅hhhh，而且很多师兄大佬也说pytorch比较好，那就可以先从官网教程开始了解~
- 需要指明一点，大家安装pytorch后其实不需要装cuda也可以用gpu（因为torch里附带了一些cuda的驱动），但是好像是功能受限，如果想要完整版应该还是得老老实实cuda+cudnn
数据处理
要训练模型的话，最好是喂一批（batch）一批的数据进去，所以我们需要把数据读取自己需要的部分，然后让数据成批呈现，这里pytorch提供了很方便的工具Dataset和DataLoader，定义好了就可以直接用；
我想着重说一下torchtext啊，主要是在文本处理这块用，其中有很丰富方便的功能，其实pytorch官网中一些text的教程中都用到了这个工具，但是没有给出一个系统化的用法，所以我google了一下发现这
最低0.47元/天 解锁文章
扫一扫
2877
到【灌水乐园】发言
