seq2seq 模型中的训练和推理解码器之间共享什么？答案

【问题标题】：What is shared between train and inference decoder in seq2seq model?seq2seq 模型中的训练和推理解码器之间共享什么？
【发布时间】：2019-11-12 08:15:31
【问题描述】：

我目前正在研究 seq2seq 模型，但无法理解训练解码器和推理解码器之间共享的内容。

【问题讨论】：

标签： tensorflow machine-learning recurrent-neural-network seq2seq

【解决方案1】：

在 seq2seq 架构中，最简单的形式是有一个 RNN 单元（例如 LSTM 或 GRU 或 vanilla RNN）用于编码器，另一个 RNN 单元用于解码器。在训练期间，您更新这些单位的权重矩阵。训练完成后，您可以修复并保存学习到的权重矩阵。在推理过程中，您使用相同的编码器和解码器单元（如在具有保存权重矩阵的 RNN 单元中）。

训练和推理过程中的不同之处主要在于解码器 RNN 单元。在训练时，通常在每个时间步将地面实况标记提供给解码器。而在推理过程中，您使用解码器逐一计算输出序列的令牌 ID 并将其反馈回来。

【讨论】：