在互联网时代，每天从社交媒体和其他平台生成越来越多的文本数据，因此能够理解这些数据是一项至关重要的技能。 本书将帮助您为自然语言处理（NLP）任务建立深度学习模型，这将帮助您从文本中提取有价值的见解。
我们将从了解如何安装 PyTorch 以及使用 CUDA 加快处理速度开始。 然后，您将通过实际示例探索 NLP 架构的工作方式。 后面的章节将指导您完成重要的原则，例如 PyTorch 中的单词嵌入，CBOW 和分词。 然后，您将学习一些用于处理文本数据的技术，以及如何将深度学习用于 NLP 任务。 接下来，我们将演示如何实现深度学习和神经网络架构来构建模型，以使您能够对文本进行分类和翻译以及执行情感分析。 最后，您将学习如何构建高级 NLP 模型，例如会话聊天机器人。
到本书结尾，您将了解使用 PyTorch 进行深度学习如何解决不同的 NLP 问题，以及如何构建模型来解决这些问题。
这本 PyTorch 书籍适用于 NLP 开发人员，机器学习和深度学习开发人员，或致力于使用传统 NLP 方法和深度学习架构来构建智能语言应用的任何人。 如果您希望在开发项目中采用现代的 NLP 技术和模型，那么本书非常适合您。 必须具备 Python 编程的工作知识和 NLP 任务的基本工作知识。
“第 1 章”，“机器学习和深度学习的基础知识”，概述了机器学习和神经网络的基本方面。
“第 2 章”，“用于 NLP 的 PyTorch 1.x 入门”，向您展示如何下载，安装和启动 PyTorch。 我们还将介绍该包的一些基本功能。
“第 3 章”，“NLP 和文本嵌入”展示了如何为 NLP 创建文本嵌入并在基本语言模型中使用它们。
“第 4 章”，“文本预处理，词干提取和词形还原”，展示了如何预处理文本数据以用于 NLP 深度学习模型。
“第 5 章”，“循环神经网络和情感分析”，介绍了循环神经网络的基础知识，并向您展示如何使用它们来建立情感神经网络分析模型。 刮。
“第 6 章”，“用于文本分类的卷积神经网络”，介绍了卷积神经网络的基础知识，并向您展示了如何使用它们来分类文本。
“第 7 章”，“使用序列到序列神经网络的文本翻译”介绍了深度学习的序列到序列模型的概念，并介绍了如何使用它们来构建将文本翻译成另一种语言的模型。
“第 8 章”，“使用基于注意力的神经网络构建聊天机器人”，涵盖了在序列到序列深度学习模型中使用的注意概念，并显示了如何使用它们从头开始构建功能全面的聊天机器人。
“第 9 章”，“前方的路”涵盖了 NLP 深度学习中当前使用的一些最新模型，并探讨了一些 NLP 领域面临的问题和挑战。
您将需要在计算机上安装 Python 版本。 所有代码示例均已使用 3.7 版进行了测试。 您还将需要一个适用的 PyTorch 环境，以用于本书的深度学习组件。 所有深度学习模型都是使用 1.4 版构建的； 但是，大多数代码应与更高版本一起使用。
本书的代码中使用了多个 Python 库。 但是，这些将在相关章节中介绍。
如果您使用的是本书的数字版本，建议您自己键入代码或通过 GitHub 存储库访问代码（下一节提供链接）。 这样做将帮助您避免任何与代码复制和粘贴有关的潜在错误。
您可以从 www.packt.com 的帐户中下载本书的示例代码文件。 如果您在其他地方购买了此书，则可以访问 www.packtpub.com/support 并注册以将文件直接通过电子邮件发送给您。
您可以按照以下步骤下载代码文件：
- 登录或注册 www.packt.com 。
- 选择支持选项卡。
- 点击代码下载。
- 在搜索框中输入书籍的名称，然后按照屏幕上的说明进行操作。
下载文件后，请确保使用以下最新版本解压缩或解压缩文件夹：
- Windows 的 WinRAR/7-Zip
- Mac 版 Zipeg/iZip/UnRarX
- 适用于 Linux 的 7-Zip/PeaZip
本书的代码包也托管在 GitHub 中。 如果代码有更新，它将在现有的 GitHub 存储库中进行更新。
在这个页面上，我们还提供了丰富的书籍和视频目录中的其他代码包。 去看一下！
我们还提供了 PDF 文件，其中包含本书中使用的屏幕截图/图表的彩色图像。 您可以在此处下载。
本书中使用了许多文本约定。
文本中的代码：指示文本中的代码字，数据库表名称，文件夹名称，文件名，文件扩展名，路径名，虚拟 URL，用户输入和 Twitter 句柄。 这是一个示例：“将下载的WebStorm-10*.dmg磁盘映像文件安装为系统中的另一个磁盘。”
代码块设置如下：
导入火炬
当我们希望引起您对代码块特定部分的注意时，相关行或项目以粗体显示：
word_1 = 'cat'
word_2 = 'dog'
word_3 = 'bird'任何命令行输入或输出的编写方式如下：
$mkdir flaskAPI
$cd flaskAPI粗体：表示新术语，重要单词或您在屏幕上看到的单词。 例如，菜单或对话框中的单词会出现在这样的文本中。 这是一个示例：“从管理面板中选择系统信息。”
提示或重要提示这样出现。