神经网络算法 - 一文搞懂Encoder-Decoder✨（快收藏）

从Encoder-Decoder的本质、Encoder-Decoder的原理方面，带你搞懂Encoder-Decoder（编码器-解码器）。

👉核心逻辑：将现实问题转化为数学问题，通过求解数学问题来得到现实世界的解决方案。

👉Encoder （编码器）：“将现实问题转化为数学问题”

👉Decoder （解码器）：“求解数学问题，并转化为现实世界的解决方案”

👉Seq2Seq(Sequence-to-sequence)：输入一个序列，输出另一个序列

👉Seq2Seq（序列到序列）：强调模型的目的——将输入序列转换为输出序列。

👉Encoder-Decoder（编码器-解码器）：强调模型的实现方法——提供实现这一目的的具体方法或架构。

🈶Encoder（编码器）：

编码器的作用是将输入序列转换成一个固定长度的上下文向量。

它通常使用循环神经网络（RNN）或其变体（如LSTM、GRU）来实现。

在每个时间步，编码器会读取输入序列的一个元素，并更新其隐藏状态。

编码完成后，最终的隐藏状态或隐藏状态的某种变换被用作上下文向量。

🈶Decoder（解码器）：

解码器的任务是从上下文向量中生成输出序列。

它也通常使用循环神经网络（RNN）来实现。

在每个时间步，解码器会基于上一个时间步的输出、当前的隐藏状态和上下文向量来生成当前时间步的输出。