深度学习入门之PyTorch学习笔记＃6

今天学习了通过LSTM进行词性识别，就是对一句话中的单词是名词、动词、形容词等等之类的进行划分，由于很多单词具有多种词性，因此需要根据整个句子进行判断。

这里学到的是由于英语单词有些后缀可以表明词性，因此建立一个队一个单词中字母进行分析的RNN也有助于词性的判断，由于Pytorch动态图的特性，只需要在forward中进行适当的组装即可

用于训练的样本就两句话。。。因为对NLP完全不了解，要去再查查资料，看看实际进行词性学习时样本数据如何收集的？应该会有那种对每句话中每个单词的词性都加了label的数据集吧。。。

"The dog ate the apple", "Everybody read that book"

这是学习过程中损失下降曲线，因为训练样本就只有两句话，所以学习的准确率曲线就变成了这种样子了。。。。。。