介紹
AllenNLP是由AllenAI提出的基於pytorch的NLP框架，與ELMO師出同門。據項目領導人Matt Gardner所說，該框架是在問題“NLP實驗的最優實踐方式”下提出的。
在EMNLP2018上，AllenAI對該框架做了介紹：演講ppt。
ppt講述該框架的指導原則，也是NLP實驗的指導原則，受益匪淺。
我將這個ppt上傳到百度網盤(提取碼：ywm2)，方便github速度慢的同學下載。
評價
使用了一段時間的AllenNLP，我從抗拒迷茫到愛不釋手，不僅是因爲它提高了我的編程生產力，而是因爲體會到它的軟件工程思想。
除了少部分工程能力極強的大神，大部分研究者的code在“軟件工程”這個範疇之內是與工業界有着一定的差距的。
可能有人會說作爲一個researcher，我只需快速迭代idea，驗證想法就可以了。
但是一份遵循規範的code恰恰可以加速實驗的迭代。例如單元測試可以更好的確保code沒有bug，設計良好的模塊化可以更方便的幫助我們構建模型的不同變種等等。
作者：Suneburg
鏈接：https://www.zhihu.com/question/65122939/answer/527370392
來源：知乎
著作權歸作者所有。商業轉載請聯繫作者獲得授權，非商業轉載請註明出處。
把AllenNLP的哲學用一個詞概括，那就是軟件工程，相比pure pytorch，它上手可能很慢，代碼量可能更多，因爲你要花時間學習代碼規範，但你一旦熟悉了這種編程風格，就能從冗雜的實驗中解脫出來。
我爲什麼推崇AllenNLP，以及AN中的核心抽象
我認爲，抽象是計算機科學的核心概念（想想網絡七層協議），而AllenNLP就通過抽象概念和概念之間的松耦合，爲AI實驗劃定了層次。
- DataReader
- DataIterator
- Model
- Trainer
- Predictor
以上是AI實驗流水線的核心部件，AllenNLP將他們松耦合地組裝起來，這不僅意味着你可以複用代碼，更意味着你可以獨立地構建任何一個部件，只要它符合組裝規範。
當你在編寫模型的時候，可以在代碼內執行單元測試，當代碼編寫完畢之後，使用了jsonnet描述參數：參數修改，實驗結果記錄無需進入代碼，換句話說，不同參數，不同模型的集成測試以統一接口和接口描述文件的形式進行。
這是AN最實用的特性，就我個人而言，也寧願在編寫模型時多費功夫，來獲得實驗時清晰的視角。
可惜的是，AN的學習資料較少，強抽象帶來的入門難度大，對於初學者很不友好，網上（包括外網）沒有一篇教程將思想與代碼實踐結合講解，AllenAI之前關於pipeline的教程也丟失了。我會嘗試着自己寫幾篇<AllenNLP框架下工程化的AI實驗>，希望能起到幫助。
最後，推薦一種自學入門方式：既然AllenNLP的強項不是它爲NLP實驗提供的built-in package，而是它提供的松耦合思想，那麼通過閱讀代碼體會不同模塊之間耦合方式，體會核心概念，把他們當作tutorial，而不是當作節省代碼的工具（在真正的實驗中很少能直接套用的，畢竟allennlp每種工具也只提供了most fundamental ones），最終以它的思想和框架搭建自己的實驗平臺。