基础版本实现。
实现方案，用cnn提取文本特征向量，然后用全连接层得到最终结果，损失函数用cross entropy loss。
安装anaconda3, 并加入path conda create --name work python=3.7 conda activate work conda install pytorch -c pytorch torchvision conda install jieba set PATH=%PATH%;%SystemRoot%\system32;%SystemRoot%;%SystemRoot%\System32\Wbem; conda install matplotlib -c conda-forge
如果用的是pycharm，则要修改解释器 file -> settings -> Project -> Python Interpreter 修改解释器路径：PATH_TO_ANACONDA/envs/work/python.exe 例如我的路径是：D:\Usr\Anaconda\envs\work\python.exe
在data文件夹中，并将官网下载的数据集train.query.tsv train.reply.tsv放进去
运行main.py即可（首次运行要先运行utils/txt2json生成中间数据）
如果cuda可用，在config里面把use_cuda的默认值设置成True
如果想load以前的最佳模型， 在config里面把resume的默认值设置成True
更换模型，如svm、其它神经网络等。。。
更换损失函数？
词表划分可以人工调整一下（data/common_dict.txt中添加常用词）
没有划分训练集和验证集
没有转换成数据提交格式