原书出处
深度学习详解
07 Transformer 7.1.4 问答任务
因此,各式各样的自然语言处理问题往往可以看作问答题,而问答题可以用序列到序列模型来解.序列到序列模型的输入是一篇文章和一个问题,输出则是问题的答案.问题加文章合起来是一段很长的文字,答案是一段文字.只要输入是一个序列,输出也是一个序列,序列到序列模型就可以解.虽然各式各样的自然语言处理问题都能用序列到序列模型来解,但是对大多数自然语言处理任务或语音相关任务而言,往往为这些任务定制模型会得到更好的结果.序列到序列模型就像瑞士刀,瑞士刀可以解决各式各样的问题,削苹果可以用瑞士刀,切菜也可以用瑞士刀,尽管瑞士刀不一定是最好用的.因此,针对各种不同任务定制的模型往往比只用序列到序列模型的效果好.谷歌Pixel 4 手机用于语音识别的模型就不是序列到序列模型,而是 RNN-Transducer 模型,该模型是专为语音的某些特性而设计的,表现更好.
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/深度学习详解/_epub-src/OEBPS/Text/Chapter07.xhtml
EPUB SHA-256:35d2d4b7de742e0ce7756e7fb57c534014bf33cecdf0483a75e23cb7446cb7dc