pytorch learning 04

机器翻译 主要特征:输出是单词序列而不是单个单词。 输出序列的长度可能与源序列的长度不同。 流程: 数据预处理 分词 建立词典 建立模型 Encoder-Decoder模型: 一种应用于seq2seq问题的模型,所谓编码,就是将输入序列转化成一个固定长度的向量;解码,就是将之前生成的固定向量再转化成输出序列。在具体实现的时候,编码器和解码器不是固定的,可选的有CNN/RNN/BiRNN/GRU/LSTM等等,可以自由组合。 缺点: 编码和解码之间的唯一联系就是一个固定长度的语义向量C。也就是说,编码器要将整个序列的信息压缩进一个固定长度的向量中去。但是这样做有两个弊端,一是语义向量无法完全表示