欢迎关注我的CSDN：https://blog.csdn.net/caroline_wendy
本文地址：https://blog.csdn.net/caroline_wendy/article/details/128222398

NLP seq2seq代码编写技巧

数据

1. tokenization，离散符号，翻译，划分token
2. token2idx，将token变成idx
3. add SoS&EoS，开头和结尾添加标识符，start of sentence，end of sentence
4. collate_fn：pad_sequence、 label=target[:,1:]、 decoder_input=target[:, :-1]
   1. 每一句话的长度都不一样，对于batch进行后处理，填充到最长句子的长度
   2. torch.nn.utils.rnn.pad_sequence
   3. collate_fn输入是多个训练对，batch_size个
   4. label获取从第1个位置