Pytorch torchtext and ignite demo

torchtext与ignite是pytorch官方提供的模块，前者负责数据的预处理、生成dataloader等，后者负责训练循环控制。本仓库是通过简单的情感分类任务来练习如何使用这个两个模块，其中模型为BiLSTM，数据集为MR dataset。本代码可自动检测NVIDIA显卡(CUDA)，如果有CUDA设备则使用GPU加速训练，否则使用CPU训练。

实验语料

本demo使用的是经典的MR(Movie Review)情感分析语料，共10662条句子。官网为http://www.cs.cornell.edu/people/pabo/movie-review-data , 需下载其中的sentence polarity dataset v1.0。

下载链接

Movie Review Data

Pre-Trained词向量

本demo默认使用的是Pre-Trained GloVe Word Embedding, 版本为glove.6B.50d.txt(171M)，这是一个体积很小的词向量，方便快速加载，适合做demo使用。若想要使用更大规模的GloVe词向量，请到官网下载，官网中提到的glove.6B.zip(862M)中就包含了glove.6B.{50d, 100d, 200d, 300d}.txt四种规模。

下载链接

为方便下载，我这里把glove.6B.50d.txt也放到了本仓库，下载后请解压后使用。

glove.6B.50d.txt

实验环境

• macOS 10.14.5（macbook不支持CUDA加速）
• Python 3.6.8
• Pytorch 1.1.0
• text 0.4.0 2019.05.22 master branch
• ignite 0.2.0 2019.05.22 master branch

注意

如果通过pip安装torchtext与ignite：

• pip install torchtext
• pip install pytorch-ignite（这里是pytorch-ignite,不是ignite!!!）

目录文件说明：

./
├── README.md
├── data  // 语料，日志，缓存等路径; data/MR_10662.txt中的标签0是neg, 1是pos
├── data_loader.py // 使用torchtext预处理数据并加载
├── ignite    // ignite的源代码作为本地模块使用，自己修改了ignite/handlers/early_stopping.py
├── ignite_0.2.0_origin.zip // ignite的源代码v0.2.0仅备份用, 未做任何修改
├── log.py   // 全局logger，同时输出到文件和控制台
├── main.py  // 训练使用
├── myutils.py  // 常用函数
├── nnet  // 存放具体的模型实现
├── predict_local.py // 本地(区别于WebService)预测(推理)使用
└── torchtext   // torchtext的源代码作为本地模块使用，未作任何修改

实验结果

本实验为情感分析demo，仅使用CPU(Intel [email protected],四核八线程)训练，每个Epoch约用时15s左右，未仔细调参数的情况下最终acc约为0.7745.