音视频序列数据分析（RNN-＞seq2seq-＞Encoder+Decoder-＞Attention-＞Transformer）
1.RNN针对语音、视频等序列数据，我们需要进行全局时序信息考虑，因此RNN模型是最初最基础的模型结构。主要可以分析的任务：语音识别、语音合成、视频摘要生成、音视频情感预测等。存在问题：输出的序列长度与输入序列长度保持一致，不能任意变化。2.Seq2Seq(即Encoder+Decoder结构)seq2seq，由Encoder和Decoder两个部分组成，每部分都是一个RNNCell（RNN、LS