Sequence to Sequence model

对文章Sequence to Sequence Learning with Neural Networks进行总结

文章构造了一个4层Deep LSTM网络， 每层有1000个cell， 整个网络呈现encoder-decoder结构，encoder把variable length 的input sequence映射到一个fixed dimensional的向量，decoder再映射回output sequence。

模型完成一个英文到中文的翻译任务，如下，先把序列x映射到隐层v,再输出序列y，输出为vocabulary里词语(8000个)的softmax概率。

训练目标为

推测inference为

结果：

备注：   （1）训练过程会出现梯度爆炸，  所以对 梯度的Norm-2进行了限制scale。

              （2）句子长短不一，在构建batch的时候注意挑相似长度的组成一个batch ,以防止计算资源浪费。

              （3）在inference的时候是实时更新hypothesis库里的翻译结果，每预测一个词会对产生翻译的句子进行top-B的beam search