8、深度学习工作流全解析

深度学习工作流全解析

1. 常用数据集与工具

在深度学习领域，拥有合适的数据集至关重要。以下是 torchtext 中目前可用的数据集及其特定任务的表格：
| 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 |
| MultiNLI | 蕴含关系 |
| 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 |

另外， torchaudio 是 PyTorch 中用于音频处理的工具。它可能是 PyTorch 所有实用工具包中最不成熟的一个，因为它不能通过 pip 安装。但它涵盖了音频领域基本问题的使用场景，并且 PyTorch 还在核心部分添加了如逆快速傅里叶变换（IFFT）和稀疏快速傅里叶变换（SFFT）等便捷功能，显示了其在音频领域的进步。

torchaudio 依赖于跨平台音频格式转换器 Sound eXchange（SoX）。安装好依赖后，可以使用 Python 安装文件从源代码进行安装