RNN条件生成与Attention机制

RNN条件生成问题： 图像生成文本（一对多）， 情感分析，文本密集度，分类..，机器翻译（多对多，离线的），解说视频，输入法 （实时多对多）               机器翻译 V1: Encoder-Decoder（seq2seq模型） LSTM的参数比较多，嵌入手机端不太好。GRU参数比较少，是可以的！ 缺点：前面输入进入RNN的信息会被稀释，尽管处理了梯度弥散的问题，但是长度太长前面的记忆

>>阅读原文<<