《PyTorch自然語言處理》旨在為新人提供自然語言處理（NLP）和深度學(xué)習(xí)，以涵蓋這兩個領(lǐng)域的重要主題。這兩個主題領(lǐng)域都呈指數(shù)級增長。對于一本介紹深度學(xué)習(xí)和強調(diào)實施的NLP的書，本書占據(jù)了重要的中間地帶。在寫這本書時，我們不得不對哪些材料遺漏做出艱難的，有時甚至是不舒服的選擇。對于初學(xué)者，我們希望本書能夠為基礎(chǔ)知識提供強有力的基礎(chǔ)，并可以瞥見可能的內(nèi)容。特別是機器學(xué)習(xí)和深度學(xué)習(xí)是一種經(jīng)驗學(xué)科，而不是智力科學(xué)。我們希望每章中慷慨的端到端代碼示例邀請您參與這一經(jīng)歷。當(dāng)我們開始編寫本書時，我們從PyTorch 0.2開始。每個PyTorch更新從0.2到0.4修改了示例。

關(guān)于本書風(fēng)格的注釋。我們在大多數(shù)地方都故意避免使用數(shù)學(xué);并不是因為深度學(xué)習(xí)數(shù)學(xué)特別困難（事實并非如此），而是因為它在許多情況下分散了本書主要目標的注意力——增強初學(xué)者的能力。在許多情況下，無論是在代碼還是文本方面，我們都有類似的動機，我們傾向于對簡潔性進行闡述。高級讀者和有經(jīng)驗的程序員可以找到方法來收緊代碼等等，但我們的選擇是盡可能明確，以便覆蓋我們想要達到的大多數(shù)受眾。

目錄

Chapter 1.基礎(chǔ)介紹
Chapter 2.傳統(tǒng)NLP快速回顧
Chapter 3.神經(jīng)網(wǎng)絡(luò)基礎(chǔ)組件
Chapter 4.自然語言處理 Feed-Forward Networks
Chapter 5.Embedding Words and Types
Chapter 6.自然語言處理 Sequence Modeling
Chapter 7.自然語言處理的中間 Sequence Modeling
Chapter 8.用于自然語言處理的高級 Sequence
Chapter 9.經(jīng)典, 前沿和后續(xù)步驟