机器翻译主要用到的是seq2seq模型，这种模型通常由encoder-decoder组成，能够实现many-to-many的映射，符合翻译任务中输入与输出句子长度不同的情况。
encoder-decoder
seq2seq
训练
很明显，可以将编码器与解码器中的那些单元置换为RNN/GRU/LSTM单元，编码器提取待翻译句子的特征，通过隐藏状态送入解码器，解码器每个单元的输入与隐藏状态进行神经单元处理得到输出，与标签计算损失，然后反向传播，训练处整个seq2seq模型。
预测
与训练阶段不同的是，解码器的输入除了编码器送来的隐藏状态还有上一单元的输出。