From da88a0dc4f79827d2c92a9efcdd7fba44ee66e45 Mon Sep 17 00:00:00 2001 From: =?UTF-8?q?=E9=99=88=E6=80=A1=E7=84=B6?= <845465009@qq.com> Date: Tue, 9 Jul 2019 11:12:20 +0800 Subject: [PATCH] =?UTF-8?q?batch=E5=88=86=E7=A6=BB=E5=87=BA=E6=9D=A5-?= =?UTF-8?q?=E4=BF=AE=E6=94=B9?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- docs/source/tutorials/tutorial_4_loss_optimizer.rst | 4 ++-- docs/source/tutorials/tutorial_8_batch.rst | 2 +- 2 files changed, 3 insertions(+), 3 deletions(-) diff --git a/docs/source/tutorials/tutorial_4_loss_optimizer.rst b/docs/source/tutorials/tutorial_4_loss_optimizer.rst index 0c8e18b1..e9c78901 100644 --- a/docs/source/tutorials/tutorial_4_loss_optimizer.rst +++ b/docs/source/tutorials/tutorial_4_loss_optimizer.rst @@ -3,7 +3,7 @@ Loss 和 optimizer 教程 ———— 以文本分类为例 ============================================================================== -我们使用和 :doc:`/user/quickstart` 中一样的任务来进行详细的介绍。给出一段评价性文字，预测其情感倾向是积极（label=1）、消极（label=0）还是中性（label=2），使用 :class:`~fastNLP.Trainer` 和 :class:`~fastNLP.Tester` 来进行快速训练和测试，`损失函数`之前的内容与 :doc:`tutorials/tutorial_8_batch`中的完全一样，如已经阅读过可以跳过。 +我们使用和 :doc:`/user/quickstart` 中一样的任务来进行详细的介绍。给出一段评价性文字，预测其情感倾向是积极（label=1）、消极（label=0）还是中性（label=2），使用 :class:`~fastNLP.Trainer` 和 :class:`~fastNLP.Tester` 来进行快速训练和测试，损失函数之前的内容与 :doc:`/tutorials/tutorial_8_batch` 中的完全一样，如已经阅读过可以跳过。 -------------- 数据处理 @@ -197,7 +197,7 @@ Vocabulary 的使用 快速训练 现在我们可以导入 fastNLP 内置的文本分类模型 :class:`~fastNLP.models.CNNText` ，并使用 :class:`~fastNLP.Trainer` 进行训练了 - 除了使用 :class:`~fastNLP.Trainer`进行训练，我们也可以通过使用 :class:`~fastNLP.Batch` 来编写自己的训练过程，具体见 :doc:`tutorial_8_batch ` + 除了使用 :class:`~fastNLP.Trainer`进行训练，我们也可以通过使用 :class:`~fastNLP.Batch` 来编写自己的训练过程，具体见 :doc:`/tutorials/tutorial_8_batch` .. code-block:: python diff --git a/docs/source/tutorials/tutorial_8_batch.rst b/docs/source/tutorials/tutorial_8_batch.rst index 155ff2e1..2abb963a 100644 --- a/docs/source/tutorials/tutorial_8_batch.rst +++ b/docs/source/tutorials/tutorial_8_batch.rst @@ -3,7 +3,7 @@ Batch 教程 ———— 以文本分类为例 ============================================================================== -我们使用和 :doc:`/user/quickstart` 中一样的任务来进行详细的介绍。给出一段评价性文字，预测其情感倾向是积极（label=1）、消极（label=0）还是中性（label=2），使用:class:`~fastNLP.Batch` 类来编写自己的训练过程。`自己编写训练过程`之前的内容与 :doc:`tutorials/tutorial_4_loss_optimizer`中的完全一样，如已经阅读过可以跳过。 +我们使用和 :doc:`/user/quickstart` 中一样的任务来进行详细的介绍。给出一段评价性文字，预测其情感倾向是积极（label=1）、消极（label=0）还是中性（label=2），使用:class:`~fastNLP.Batch` 类来编写自己的训练过程。自己编写训练过程之前的内容与 :doc:`/tutorials/tutorial_4_loss_optimizer` 中的完全一样，如已经阅读过可以跳过。 -------------- 数据处理