简介

• 一个使用 PyTorch 实现的分类任务，包含一些神经网络模型，位于 models 目录中。

• 最近，我发布了代码。
  • 旧版本-17 发布在 这里
  • PyTorch 版本 == 0.3.1 发布在 这里

• 这是我自己架构的一个版本 --- pytorch-text-classification

• BERT 用于文本分类 --- PyTorch_Bert_Text_Classification

需求

pytorch : 1.0.1
python : 3.6
torchtext: 0.2.1
cuda : 8.0 (支持 CUDA 加速，可选，默认为 True)

使用方法

修改配置文件，详细信息请参阅 Config 目录（这里）。

1、python main.py
2、python main.py --config_file ./Config/config.cfg 
3、sh run.sh

模型

包含一些用 PyTorch 实现的神经网络模型，详细信息请参阅 models 目录。

数据

SST-1 和 SST-2。

结果

我没有对超参数进行深入调整，训练日志可以在这里查看：result。

以下测试集准确率基于最佳验证集准确率。

数据/模型	% SST-1	% SST-2
CNN	46.1086	84.2943
Bi-LSTM	47.9186	86.3262
Bi-GRU	47.6923	86.7655

参考文献

• 基于pytorch的CNN-LSTM神经网络模型调参小结
• 用于句子分类的卷积神经网络
• 用于神经网络情感分析的上下文敏感词典特征

cnn-lstm-bilstm-deepcnn-clstm-in-pytorch 快速上手指南

本指南帮助中国开发者快速部署并运行基于 PyTorch 的文本分类模型（包含 CNN、LSTM、Bi-LSTM、DeepCNN、CLSTM 等架构）。

环境准备

在开始之前，请确保您的系统满足以下软硬件要求：

• 操作系统: Linux / macOS / Windows (推荐 Linux)
• Python: 3.6
• PyTorch: 1.0.1
• Torchtext: 0.2.1
• CUDA: 8.0 (可选，用于加速训练，默认开启)

国内加速建议： 安装依赖时推荐使用清华或阿里镜像源以提升下载速度。

• PyTorch 历史版本安装请参考 清华镜像站 或 PyTorch 官网历史版本页面。
• pip 安装时使用 -i https://pypi.tuna.tsinghua.edu.cn/simple 参数。

安装步骤

1. 克隆项目代码

   git clone https://github.com/bamtercelboo/cnn-lstm-bilstm-deepcnn-clstm-in-pytorch.git
   cd cnn-lstm-bilstm-deepcnn-clstm-in-pytorch
   

2. 安装依赖库 建议使用虚拟环境（如 conda 或 venv）隔离环境。

   创建并激活环境（以 conda 为例）：

   conda create -n text_cls python=3.6
   conda activate text_cls
   

   安装 PyTorch 1.0.1 和 Torchtext 0.2.1：

   # 使用清华镜像加速安装
   pip install torch==1.0.1 torchvision==0.2.2 -i https://pypi.tuna.tsinghua.edu.cn/simple
   pip install torchtext==0.2.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
   

   (注：若需 CUDA 8.0 支持，请根据当时 PyTorch 官方提供的对应 cuda 版本命令安装 torch)

3. 准备数据 本项目默认支持 SST-1 和 SST-2 数据集。首次运行时，torchtext 通常会自动下载数据。若下载失败，请手动下载数据集并放置于项目预期的数据目录中（具体路径可在 Config 文件中调整）。

基本使用

项目通过修改配置文件或直接传递参数来运行。

方法一：使用默认配置运行

直接运行主程序，将加载默认配置文件：

python main.py

方法二：指定配置文件运行

您可以自定义 Config 目录下的配置文件（如调整模型类型、超参数等），然后指定运行：

python main.py --config_file ./Config/config.cfg

方法三：使用脚本运行

项目提供了 shell 脚本以便批量或特定配置运行：

sh run.sh

提示：具体的模型选择（如 CNN, Bi-LSTM, Bi-GRU）和数据集切换，请编辑 ./Config/config.cfg 文件中的相应字段。训练日志和结果将保存在 result 目录中。