Seq2Seq模型

seq2seq模型即通过序列预测序列，但是相对于传统单一深度学习系统，如CNN或者RNN，这些模型的输入输出都是固定的长度，比如图像识别中图像的大小。但是对于机器翻译或者语音对话而言，由于输入的序列文本大小可变，预测输出也是可变的，因而这种单一的格式很难适应。因此提出了seq2seq模型，这是一种编解码架构模型（encoder-decoder） 大体原理个人解释： 对于输入序列，假设序列长度统一为

>>阅读原文<<