对项目的组成结构，我画了这样一幅图，将Pytorch上的自然语言处理划分为6个步骤。以中文文本为例，
- 第一步，我们要通过预处理模块的净化、分字/分词等步骤，将自然语言文本转化为
token； - 第二步，我们就可以着手构造数据集，譬如数据集划分、分批（batch）、shuffle等；
- 第三步，我们要设计模型结构，并用pytorch框架构造模型；
- 第四步主要涉及模型训练步骤，我们要设计模型训练与评估的逻辑，设置好训练过程中需要被打印出来的信息，完成模型训练、筛选和保存等功能；
- 第五步，我们要在测试集上测试第四步筛选出来的模型性能，也就是设计模型测试逻辑；
- 最后，我们需要设计模型上线的方式。
不同的自然语言处理任务，这些步骤有些是可以复用的，有些又是有所不同的，我会思考以更清晰的方式表述。项目主要分6个文件夹，组织如下：
preprocessing: 数据预处理模块。按任务需求，对数据进行处理，通用的有分字/词，词表构造；和任务挂钩的有抽取式摘要的分句、NER的标注序列等等。
dataset: 数据集构造模块。这一块很简单，就是将预处理好的数据构造成Pytorch框架可用的形式，包括batch、shuffle这样的功能。
models: 模型结构设计模块
main: 模型训练、评估及测试逻辑设计模块，在这个模块中，针对不同NLP任务又设计了子目录
utils: 一些复用程度不高的特殊功能函数会放在这里，防止上述四个文件夹变得臃肿
online: 模型上线模块
另外，有两个数据输入和输出的存放目录：
raw_data：存放原始的文本数据
outputs：存放模型评估、测试及推理的输出结果，存放训练日志等