NLP 赛道¶

学习路径¶

下图展示前 7 课的核心学习路径；Lesson 08 之后按主题分组，详见下方课程列表。

flowchart TD
    L01["01 Embedding + FC\n文本分类"] --> L02["02 Transformer Encoder\n文本分类"]
    L01 --> L05["05 TextCNN\n文本分类"]
    L01 --> L06["06 BiLSTM\n文本分类"]
    L02 --> L03["03 BiLSTM\n命名实体识别"]
    L02 --> L04["04 Seq2Seq + Attention\n序列生成"]
    L03 --> L07["07 Span Prediction\n阅读理解"]
    L06 --> L03

    style L01 fill:#0891b2,color:#fff
    style L02 fill:#7c3aed,color:#fff
    style L03 fill:#dc2626,color:#fff
    style L04 fill:#059669,color:#fff
    style L05 fill:#0891b2,color:#fff
    style L06 fill:#0891b2,color:#fff
    style L07 fill:#d97706,color:#fff

先修知识¶

课程列表¶

全部 49 个 Lesson 按主题分组如下；每个 lesson 都有可运行的 train.py，课程说明由本页与目录内 README 共同维护。

基础与表示学习（01-15）¶

进阶文本任务（16-28）¶

对话系统专题（29-49）¶

核心技术脉络¶

flowchart LR
    subgraph 表示学习
        E["词嵌入\nEmbedding"]
        PE["位置编码\nPositional Encoding"]
    end
    subgraph 编码器
        FC["全连接\nFC"]
        CNN["卷积\nTextCNN"]
        RNN["循环\nBiLSTM"]
        TF["Transformer\nEncoder"]
    end
    subgraph 下游任务
        CLS["文本分类"]
        NER["命名实体识别"]
        SEQ["序列生成"]
        RC["阅读理解"]
    end
    E --> FC --> CLS
    E --> CNN --> CLS
    E --> RNN --> CLS
    E --> RNN --> NER
    E --> PE --> TF --> CLS
    E --> PE --> TF --> RC
    E --> RNN --> SEQ

运行示例¶

python -m tracks.nlp.lesson_01_compact_text_classification.train \
  --epochs 1 \
  --max-train-batches 2 --max-eval-batches 2

python -m tracks.nlp.lesson_02_compact_text_classification_transformer.train \
  --epochs 1 \
  --max-train-batches 2 --max-eval-batches 2

python -m tracks.nlp.lesson_03_compact_ner_bilstm.train \
  --epochs 1 \
  --max-train-batches 2 --max-eval-batches 2

python -m tracks.nlp.lesson_07_reading_comprehension.train \
  --epochs 1 \
  --max-train-batches 2 --max-eval-batches 2

NLP Architecture Zoo¶

# 列出所有可用架构
python scripts/nlp_zoo.py --list

# 搜索特定架构
python scripts/nlp_zoo.py --search bert

# 冒烟测试
python scripts/nlp_zoo.py --smoke bert_base

下一步¶

完成 NLP 赛道后，你可以继续：

推荐方向	说明
LLM 大语言模型赛道	从 NLP 迈向自回归大语言模型
GNN 图神经网络赛道	将序列建模扩展到图结构数据
Multimodal 多模态赛道	结合视觉与语言的跨模态学习