基于深度学习框架pytorch实现的中文文本分类，目前包括textcnn,textrnn,textrcnn,text.zip

# 基于深度学习Pytorch框架的文本分类 ## 1、修改配置文件 在config.py文件中对常规参数进行修改。 ```python # data preprocess data_path = 'dataset' train_file = 'train.csv' valid_file = 'valid.csv' test_file = 'test.csv' fix_length = 256 batch_size = 64 # data label list label_list = ['低危', '中危', '高危', '超危'] class_number = len(label_list) # train details epochs = 30 learning_rate = 1e-3 ``` 其中，fix_length需要自己统计出数据集中的文本长度分布比例，进行合适的参数选择。batch_size需要根据显卡的显存大小进行参数选择。label_list需要换成对应数据集的标签列表。 ## 2、选择合适的模型 在train.py中修改模型和模型命名。分别在97和98行进行修改。  ## 3、模型 - [x] TextCNN - [x] TextRNN - [x] TextRNN+Attention - [x] TextRCNN - [x] Transformer - [ ] Some other attention - [ ] Bert之类的预训练模型开在另一个仓库下 模型都直接定义在model/目录下，在forward最后返回的out的形状应该是[batch size, num_classes]这样的。 ## 4、训练 模型中的超参数，例如hidden_size, multi_heads, n_layers需要自行修改。 修改完train.py中上述2处直接run就行，训练好的模型将保存在done_model/目录下。  ## 5、使用训练好的模型进行文本分类 修改Classify.py中 model = getModel('Transformer') ，模型改为之前训练好的模型名称。 然后直接run Classify.py就行。