【Day1】恢复一下

seq2seq:

1. （编码器）语音数据->进行编码为特征（高维度）
2. （解码器）数字特征->文字对应的特征
3. 需要编码全部完成，整个向量进行翻译

RNN:

1. 有缺点，用1D的卷积更好
2. 缺点：① 不能并行，效率低；②只能考虑前文，应当与前后文，尤其是较远的上下文有关；

attention（注意力机制）:输入数据中的重点(权重分配)

加入attention的Seq2Seq

1. L（编码器）A（权重）S（解码器）
2. 内积表明两者关系相关程度，内积越大，越相关，再做个归一化
   
   图来自 网易云课堂-深度学习-语音识别实战(Python)-1-5