seq2seq 设计目标/特性

seq2seq 设计目标/特性介绍

seq2seq 是 Google 开源的一款用于 TensorFlow
的通用编码器&解码器框架（encoder-decoder framework），可用于机器翻译、文本摘要、会话建模、图像描述等。

通用性 ：Google 最初为机器翻译开发了这个框架，但是后来用于各种其他任务，包括摘要、会话建模和图像描述。只要你的问题可以以一种格式编码输入数据，并解码为另一种格式，你应该能够使用或扩展这个框架。
可用性 ：你可以使用单行命令训练模型。支持多种类型的输入数据，包括标准的原始文本。
再现性 ：使用 YAML 文件配置训练流程和模型。这也允许其他人运行和你完全相同的模型配置。
可扩展性 ：代码以模块化的方式构建，并且易于拓展。例如，添加新类型的注意机制或编码器架构仅需要最少量的代码即可修改。
文档：所有代码都使用标准的 Python docstrings 记录，有书面指南帮助开始执行常见任务。
良好的性能 ：为了使代码足够简洁，没有试图榨干所有性能，但是实现速度已足以涵盖几乎所有的生产和研究用例。tf-seq2seq 还支持分布式训练，从而折中计算能力和训练时间。