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。)