Scheduled Sampling

参考博客：https://www.cnblogs.com/panfengde/p/10315576.html

在Seq2seq模型中，训练时以一个概率P选择模型自身的输出作为下一个预测的输入，以1-P的概率选择真实标记作为下一个预测的输入。

并且采样率P在训练过程中是变化的，一开始训练不充分，先让P小一些，尽量使用真实的label作为输入，随着训练的进行，将P增大，多采用自身的输出作为下一个预测的输入。

随着训练的进行，P越来越大，train-decoder模型最终变来和inference-decoder预测模型一样，消除了train-decoder与inference-decoder之间的差异。（这个差异指的是train-decoder模型总是使用ground truth作为下一个模型的输入，而inference-decoder使用上一步的预测结果作为下一个模型的输入。）