Generation
可以用RNN生成文本、图片(grid lstm)、视频、手写字、语音
*grid lstm
Conditional generation:不是随机产生,而是有情境地产生
应用:image caption/machine translation/chat-bot
Encoder和Decoder的参数可以一样或者不一样,当参数一样时,参数比较少,比较不容易过拟合,但是如果有足够的数据,那么也可以参数不一样
这也就是seq2seq
<
Generation
可以用RNN生成文本、图片(grid lstm)、视频、手写字、语音
*grid lstm
Conditional generation:不是随机产生,而是有情境地产生
应用:image caption/machine translation/chat-bot
Encoder和Decoder的参数可以一样或者不一样,当参数一样时,参数比较少,比较不容易过拟合,但是如果有足够的数据,那么也可以参数不一样
这也就是seq2seq
<