分類任務可以是二元分類、多類別分類，或多標籤分類。
以下提供數個分類情境，你需要將它們歸類到上述三種任務型態之一。
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
本章將帶你認識文字深度學習及其應用。你會學習如何使用 PyTorch 進行文字處理，並親手實作分詞、詞幹提取、停用詞移除等技巧。理解為何需要對文字資料進行編碼，並用 PyTorch 實作各種編碼方法。最後，將這些技巧整合成一個文字處理流程（pipeline），鞏固你的理解。
探索文字分類及其在自然語言處理（NLP）中的角色。動手實作詞嵌入，並使用 PyTorch 開發用於文字分類的卷積神經網路（CNN）與循環神經網路（RNN），同時理解如何用合適的評估指標來評估你的模型。
當前練習
走進文字生成的精彩世界與其在 NLP 中的應用。理解如何運用循環神經網路（RNN）、生成對抗網路（GAN）與預先訓練的模型，使用 PyTorch 完成文字生成任務。你也會學到如何使用相關指標來評估模型的表現。
理解遷移學習的概念及其在文字分類中的應用。探索 Transformer 的架構與原理，並了解如何將其用於文字分類與文字生成。你也會深入注意力機制及其在文字處理中的角色。最後，理解對抗式攻擊對文字分類模型的潛在影響，並學習如何保護你的模型。
