Datawhale ai第二弹总结

这几天按计划完成了task2的任务，感觉收获满满！

依然是一个进阶课程

分为四步:1.先配置环境

2.数据预处理

3.模型训练

4.翻译质量评价

标注了我觉得重点的几句话:

传统观点把翻译分为“信”、“达”、“雅”三个层次，而忠诚度体现的是一种“信”的思想，而流畅度体现的是一种“达”的思想。不过“雅”在机器翻译评价中还不是一个常用的标准，而且机器翻译还没有达到“雅”的水平，是未来所追求的目标。

传统的 Seq2Seq 模型在解码阶段仅依赖于编码器产生的最后一个隐藏状态，这在处理长序列时效果不佳。注意力机制允许解码器在生成每个输出词时，关注编码器产生的所有中间状态，从而更好地利用源序列的信息。具体来说，给定源语言序列经过编码器输出的向量序列 $$h_{1},h_{2},h_{3},...,h_{m}$$，注意力机制旨在依据解码端翻译的需要，自适应地从这个向量序列中查找对应的信息。

它仅仅使用一个定长的向量 $$h_{m}$$ 编码整个源语言序列。这对于较短的源语言文本没有什么问题，但随着文本序列长度的逐渐加长，单一的一个向量 hm 可能不足以承载源语言序列当中的所有信息。

复盘：这次任务很明显比上一次要难，我也遇到了许多困难，有很多error出现，但是我并不害怕，寻求了助理的帮助。（助理姐姐/哥哥还是很热心的）和我一个朋友一起解决了许多问题。我相信下次再面对这样的问题时，我不会再害怕了！！！！