seq2seq
- Seq2seq的思想和应用
Encoder-decoder第一篇：Learning Phrase Representations using RNN Encoder-Decoder for Statis Machine Translation
Seq2seq：sequence to sequence Learning with Neural Networks
知识图谱增加可解释性：seq2seq interpretability knowledge graph
-
Train（encoder） and test
-
Decoder
在任何的seq2seq模型中，都是串行的，之后的transformer解决了这个问题。
greedy decoder：在seq2seq中，串行*（greedy decoder），局部最优，达不到全局最优
Exhaustic Search：把所有的可能性考虑进来
Beam Search：只考虑最好的top k
Beam search在第二个阶段还进行了筛选，选概率值最大的beam_size
{Beam_size=1} =={greedy search}
1、NLP之Seq2Seq:
原文：https://blog.csdn.net/qq_32241189/article/details/81591456
2、深度学习的seq2seq模型:
原文：https://blog.csdn.net/wangyangzhizhou/article/details/77883152
3、Seq2Seq模型简介
原文：https://www.jianshu.com/p/1c6b1b0cd202
4、三分钟带你对 Softmax 划重点
原文：https://blog.csdn.net/red_stone1/article/details/80687921
https://www.jianshu.com/p/b2b95f945a98
