PyText是一个基于PyTorch构建的深度学习 NLP建模框架。PyText通过为模型组件提供简单且可扩展的接口和抽象，以及使用PyTorch的Caffe2执行引擎导出模型进行推理的功能，模糊了实验与大规模部署之间的界限。其预训练模型包括文本分类、序列标注等。
PyTorch是一个统一的框架，缩短了从研究到生产的路径，而基于PyTorch的PyText则着眼于满足NLP建模的特定需求。
核心特性：
-适用于各种NLP/NLU任务的生产就绪模型
文本分类
YoonKim(2014):ConvolutionalNeuralNetworksforSentenceClassification
Linetal.(2017):AStructuredSelf-attentiveSentenceEmbedding
序列标注
Lampleetal.(2016):NeuralArchitecturesforNamedEntityRecognition
联合意图时隙模型（Jointintent-slotmodel）
Zhangetal.(2016):AJointModelofIntentDeterminationandSlotFillingforSpokenLanguageUnderstanding
上下文意图-时隙模型（Contextualintent-slotmodels）
-支持在PyTorch1.0中基于新C10d后端构建的分布式训练
-可扩展组件，可轻松创建新模型和任务
-参考实现和预训练模型论文：Guptaetal.(2018):SemanticParsingforTaskOrientedDialogusingHierarchicalRepresentations
-支持联合训练
评论