为什么在tensorflow（tf.reverse（inputs，[-1]））中输入seq2seq模型时为什么要反转输入

Question

为什么在tensorflow（tf.reverse(inputs,[-1])）中输入seq2seq模型时为什么要反向输入

training_predictions,test_predictions=seq2seq_model(tf.reverse(inputs,[-1]),
                                                    targets,
                                                    keep_prob,
                                                    batch_size,
                                                    seq_length,
                                                    len(answerswords2int),
                                                    len(questionswords2int),
                                                    encoding_embedding_size,
                                                    decoding_embedding_size,
                                                    rnn_size,
                                                    num_layers,
                                                    questionswords2int)

Answer 1

据我所知，颠倒了论文Sequence to sequence learning with neural networks的输入

这个想法起源于机器翻译（我不确定它在其他领域（例如聊天机器人）中如何发挥作用。考虑以下情形（从原始论文借来的）。您要翻译

makefile

在这种情况下，我们必须先经历完整的源序列（A B C -> alpha beta gamma delta），然后才能开始预测ABC，那时译者可能已经忘记了alpha。但是当您这样做时，

A

您具有从C B A -> alpha beta gamma delta到A的 strong通讯链接，其中alpha与翻译中的A“可能”相关。

注意：这完全取决于您的翻译任务。如果目标语言是按照与源语言相反的顺序编写的（例如，考虑从主语-动词-宾语转换为宾语-动词-主语），我认为最好保持原始顺序。