《动手学深度学习》 Task4

1.机器翻译及相关技术

机器翻译（MT）：将一段文本从一种语言自动翻译为另一种语言，用神经网络解决这个问题通常称为神经机器翻译（NMT）。 主要特征：输出是单词序列而不是单个单词。 输出序列的长度可能与源序列的长度不同。
主要步骤：
1. 数据预处理
将数据集清洗、转化为神经网络的输入minbatch
2.分词
字符串—单词组成的列表
3.建立词典
单词组成的列表—单词id组成的列表

Encoder-Decoder与Seqtoseq模型

当输入和输出都是不定长序列时，我们可以使用编码器—解码器（encoder-decoder）或者seq2seq模型。两个模型本质上都用到了两个循环神经网络，分别叫做编码器和解码器。编码器用来分析输入序列，解码器用来生成输出序列。


易错习题：
1.
选项4错误的原因为：单词转化为词向量是模型结构的一部分，词向量层一般作为网络的第一层。

2.注意力机制与Seq2seq模型

super()的用法