遇到看不明白的地方，欢迎在评论中留言呐，一起讨论，一起进步！

需掌握的前提知识： LSTM、词嵌入
本文参考：【官方双语】编码、解码神经网络，一个视频讲清楚，seq2seq模型

一、Seq2seq 简介

Seq2seq（Sequence to Sequence）的作用是将一种序列转换为另一种序列，比如将英文句子翻译为中文句子，或者将一篇文章进行概括。

一种解决 Seq2seq 问题的方法是编码器-解码器模型。下面我们以英语句子翻译为西班牙句子为例来进行介绍。

二、编码器

首先先摆出编码器的作用：将输入的句子编码为上下文向量

我们知道不同的英语句子长度可能不同，我们需要让不同长度的句子作为输入；另外不同的中文句子长度也可能不同，因此我们还需要生成不同长度的句子作为输出。说到这里，我们会想到 LSTM，这个模型便可以处理具有可变长度的输入和输出。

现在，我们还需要把单词通过嵌入层转换为数字再塞入 LSTM 中。因为词汇中包含了单词和符号，我们将词汇表中的各个元素称作 tokens。各个 token 通过已经训练好的嵌入层便可以转换为数字词汇表。

我们将这个嵌入层放在 LSTM 的输入前面

从理论上来讲，这就是对输入的句子进行编码所需要的全部工作。然后在实践中，为了有更多的权重和偏差来让模型更加对数据适用，人们经常在输入中添加额外的 LSTM 单元。

简单起见，我们在这里只添加了一个额外的 LSTM 单元。这意味着单词的嵌入值会用作两个不同 LSTM 单元的输入值，而这两个不同的 LSTM 单元有单独的权重和偏差集。

为了再添加更多的权重和偏差使模型更好，人们会添加额外的 LSTM 层。

我们在这里再添加一层 LSTM 层。这意味着第一层 LSTM 单元的输出会用作第二层 LSTM 单元的输入。

最后我们初始化长期记忆和短期记忆之后，我们就完成了创建编码器的部分。本质上，编码器对输入的句子进行编码，形成长期记忆（细胞状态）和短期记忆（隐藏状态）的集合，即上下文向量（Context Vector）。

三、解码器

现在我们介绍解码器，它的作用是：解码上下文向量为输出句子

首先我们需要将长期记忆和短期记忆连接起来形成上下文向量，再切换到解码器中一组新的 LSTM，这个上下文向量用来初始化这个解码器的长期记忆和短期记忆。

像编码器一样，这组新的 LSTM 也有两层，每层有两个 LSTM 单元，但是这组 LSTM 有着自己独立的权重和偏差。

解码器需要将上下文向量进行解码，从而输出句子。像编码器一样，解码器第一层 LSTM 单元的输入来自嵌入层。现在，嵌入层创建了西班牙单词的嵌入值。

对比编码器和解码器的嵌入层，它们具有不同 tokens 作为输入，还具有不同的权重使的每个 token 的嵌入向量也有所不同。

解码器顶层的 LSTM 单元的长期记忆和短期记忆之后会作为全连接层（Full Connected Later）的输入，这个全连接层就是一个是基本的普通神经网络。全连接层的输出对应着西班牙词汇表中的每个 token，输入和输出之间通过权重和偏差进行联系。之后我们将输出通过 Softmax 函数，从而选出最后我们要输出的词。

解码器可以从最后一个 token 的嵌入值开始，也可以从第一个 token 的嵌入值开始。我们这里选择从 <EOS> 开始。

我们看到 Softmax 函数的输出是 Vamos，即 let's go 的西班牙翻译。目前为止翻译是正确的，但是解码器直到输出结尾 token 即 <EOS> 才会停止。

所以我们将 Vamos 插入到解码器的嵌入层进行下一轮操作，最后我们得到的输出是 <EOS>，到此为止我们就将英文句子 let's go 翻译为了正确的西班牙句子。

总结一下解码器：

• 由编码两层 LSTM 单元创建的上下文向量用于初始化解码器中的 LSTM 单元
• 解码器 LSTM 的输入来自以 <EOS> 开始的词嵌入层输出
• 解码器的输入又将作为下一轮的输入，直到输出为 <EOS> 或者达到输出的最大长度
• 通过将编码器和解码器解耦，输入和输出句子的长度可以不同（例如，上面我们将长度为 2 的英文句子翻译为了长度为 1 的西班牙句子）

四、编码器-解码器的训练

就像所有的神经网络一样，编码器-解码器中所有的权重和偏差都是通过反向传播进行训练的。但是在训练的时候有两个特别的地方：

1. 在上面的解码器例子中，我们使用第一轮输出 Vamos 作为第二轮输入，但是在训练权重和偏差的时候，第二轮的输入不使用第一轮的预测值，而是使用已知的正确的 token。也就是说如果在训练的时候第一轮的输出是 y，这是一个错误的翻译，在第二轮我们仍然以正确的 Vamos 作为输入，而不是以第一轮预测输出 y 作为输入。
2. 在上面的解码器例子中，我们需要等到输出为 EOS 才停止。但是在训练过程中，我们以正确翻译的长度为标准，比如训练时第二轮的输出是 y，但是正确的翻译已经到了 EOS ，因此我们会在这时停止下一轮的展开，尽管预测输出还没有到了 EOS 。这个现象被称为教师强迫（Teacher Forcing）