admin 管理员组

文章数量: 1184232

Seq2seq

端到端的神经网络模型：
将原始数据作为输入，即词嵌入向量作为神经网络的输入，经过神经网络模型得到输出，输出与实际结果对比，得到误差，通过反向传播，调整模型参数，直至模型收敛，在输入与输出之间，整个神经网络是一体的（当做黑盒子来看待），即为端到端的模型。整个过程不再需要词性标注、句法分析、语义分析等多个子任务，每个子任务的结果会影响到模型的输出结果，就是非端到端的。
序列到序列的模型：
词嵌入得到词向量，在通过encoder(编码器）得到上下位张量，将context输入到解码器，产生输出。（就是两个RNN模型，一个RNN作为解码器，将词向量输入得到上下文张量作为编码器的输入，编码器则是另一个RNN）针对seq2seq，谷歌已经在TensorFlow中发布了tf-seq2seq框架。

本文标签： Seq2seq

版权声明：本文标题：Seq2seq 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.roclinux.cn/b/1686631813a19552.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。