4.10.编码器-解码器

编码器-解码器架构

​ 机器翻译是序列转换模型的一个核心问题，其输入和输出都是长度可变的序列。为了处理这种类型的输入和输出，我们可以设计一个包含两个主要组件的架构：

​ 第一个组件是编码器(encoder)：它接受一个长度可变的序列作为输入，并将其转换为具有固定形状的编码状态。

​ 第二个组件是解码器（decoder):它将固定形状的编码状态映射到长度可变的序列。这被称为编码器-解码器架构。

重新考察之前的神经网络，例如CNN：

RNN:

代码实现

from torch import nn


#@save
class Encoder(nn.Module):
    """编码器-解码器架构的基本编码器接口"""
    def __init__(self, **kwargs):
        super(Encoder, self).__init__(**kwargs)

    def forward(self, X, *args):
        raise NotImplementedError  #将状态传递下去  
        
#@save
class Decoder(nn.Module):
    """编码器-解码器架构的基本解码器接口"""
    def __init__(self, **kwargs):
        super(Decoder, self).__init__(**kwargs)

    def init_state(self, enc_outputs, *args):
        raise NotImplementedError #中间状态，转化过程

    def forward(self, X, state):
        raise NotImplementedError #X是解码器的输入，结合当前状态进行输出
        
        
#@save
class EncoderDecoder(nn.Module):
    """编码器-解码器架构的基类"""
    def __init__(self, encoder, decoder, **kwargs):
        super(EncoderDecoder, self).__init__(**kwargs)
        self.encoder = encoder
        self.decoder = decoder

    def forward(self, enc_X, dec_X, *args):
        enc_outputs = self.encoder(enc_X, *args)
        dec_state = self.decoder.init_state(enc_outputs, *args)
        return self.decoder(dec_X, dec_state)