动手学深度学习 | 序列到序列学习（seq2seq）| 62
Seq2Seq
seq2seq，从一个句子翻译到另外一个句子。
封面是一个基因转录，这个也是一个seq2seq的过程。
seq2seq最早是来做机器翻译的，不过现在基本都使用bert。（听说google的翻译和搜索都使用了bert）
seq2seq是一个encoder-decoder的架构。
- encoder是一个RNN，读取输入句子（可以是双向的）
encoder就是给一个句子，比如"hello world",然后需要翻译成法语的句子。
把最后时刻的隐藏状态传递给解码器，可以认为最后时刻的隐藏状态包含了整个句子的信息。
encoder的RNN可以是双向的，双向的RNN可以做encoder，但是不能做decoder。encoder是不需要预测的，所以可以看到完整的句子，可以正着看，反着看，encoder经常会使用双向RNN。
- decoder使用另外一个RNN来输出
隐藏状态一过来，先给一个<bos>说明句子开始了，然后把上一个时刻的翻译做为下一个时刻的输入，当然隐藏状态也是向下传递。这样对长度是可以变化的，知道输出<eos>才结束预测，这样就不管源句子有多长，target句子有多长，不用关系如何让二者的长度一样，就按照时刻往前走，走到停为止。
encoder最后一层的最后时刻的输出，将放到和decoder的input一起输入。
训练：
decoder在训练的时候是知道真正的目标句子的，就是正常的进行RNN的训练。（这里是没有利用上一时间刻的预测结果的
推理：
因为没有正确的答案，所以只能不断利用上一时刻预测的结果作为下一个时刻的输入，不断地向前预测。
BLEU完美是1，然后越小越差。
如果label很短，但是pred很长，这样会命中很多，所以要进行惩罚\(min(0,1-\frac{len_{label}}{len_{pred}} )\)
代码
QA
- encoder输出和decoder输入，concat和按位相加起来有什么区别吗？
它们可能长度不一样，所以是不能相加的，这里只要保证他们的隐藏单元数量相同（列宽相同），就可以进行拼接操作。
- embedding层是word2vec吗？
不是的，而且现在也不打算将word2vec，因为现在也用的很少，现在基本都是用bert。
而且演示代码中也没有使用预训练的embedding，这里是是随机初始化，然后重头开始训练的。
- vaild_length是怎么选择的？
vaild_len不是选择，就是实际的法语句子有多长，要把vaild_len存下来，后面计算loss的时候，valid_len后面的padding的mask都是不要计算的。
- 现在seq2seq好像都用transformer实现了，RNN，LSTM还有什么使用场景吗？
现在是潮流，说用transformer不用RNN了，但是可能过几个月大家又说RNN好。
深度学习就是一波又一波...
- 实际句子的长度超过了设定的句子长度，是直接截掉不用了还是放到下一个句子？
是直接截掉不用，不能放到下一个句子。
所以要选一个差不多的长度，不要截取掉太多。
