[nlp] Encoder-decoder模型&Attention机制

本文介绍了Encoder-Decoder结构在神经机器翻译(NMT)中的应用,其中Encoder读取输入句子并转换为固定长度向量,Decoder使用该向量生成目标语言文本。此外,还探讨了Attention机制的重要性,它允许在翻译每个词时更加关注相关上下文信息,改善了传统RNN结构的性能。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

参考链接:https://zhuanlan.zhihu.com/p/47063917
https://medium.com/syncedreview/a-brief-overview-of-attention-mechanism-13c578ba9129

https://blog.youkuaiyun.com/hahajinbu/article/details/81940355
回顾RNN,
在这里插入图片描述
要设置max_len , 选择多少个值作为输入。

Encoder-Decoder结构

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
之前的Neural Machine Translati

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

心心喵

喵喵(*^▽^*)

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值