输入：序列A 输出：序列B 黑盒子即我们说的encoder-decoder结构，用来实现序列到序列的转换。 那么encoder-decoder结构为啥用RNN呢？

看一下RNN的构造： RNN设计为接受两个输入：“当前的输入”和以前所有输入的“整体记忆” cell接受了上面两个输入之后，就会吐出一个输出，更新一下整体记忆。 它把对序列的整体记忆以隐藏状态的形式呈现。

因此，这种对序列的记忆方式，就可以拿来用于作为encoder或者decoder. 但是还有问题，就是RNN的特点决定了一旦序列比较长，序列前边的信息容易被序列后面的信息覆盖。（更倾向于记得刚给它的那部分了，前面的忘记了），怎么办？ 用LSTM

对比看下rnn到lstm的结构变化： 三个门的引入（遗忘门、输入门、输出门） 第一步：从cell中决定丢弃什么信息 ----得到ft 第二步：决定cell中存储哪些新信息 ----得到c~(t) 这两步之后，我们就能成功把cell从旧状态更新到新状态 这就解决了对于长序列记不住前面信息的问题。

好的，现在我们知道了，sequence2sequence 是怎么回事，然后为啥他的encoder-decoder要经历了一个从RNN到LSTM的过程了。 现在还有一点小问题，就是吧，输出序列是很依赖encoder最后输出的隐藏状态决定的context vector的（HS3）,但是如果要输出的是个长序列，随着decoder的time step，走到后面这个context vector已经丢失了初始的那个context vector的信息了(从HS3到HS5)。这肯定不太行。 那怎么办?

我现在把encoder每个time step出来的隐状态都拿出来，做个加权，作为我decoder状态下新新的context vector，这样，不管输出的句子多长都没问题。 最简单就是做加权

但是，问题又来了, 1.这个新的context vector怎么用？（怎么协调使用new context vector和timestep t下的vector） 2.加权系数怎算？ 第一个问题，用concate解决 生成的新向量，我们叫做attention hidden vector，这个vector代替了隐藏状态。（AHS1其实就是 attention hidden state） 第二个，利用一个对齐模型，这个对齐模型是和sequence2sequence模型一起训练的。模型计算输入（由hidden state表示）和以前的输出（由attention hidden state表示）之间的匹配得分，然后为每一个输入和输出做好匹配。然后，将softmax应用于所有这些得分，并且得出的数字是每个输入的注意力得分。 那么，我们已经知道了哪一部分是对预测实例最重要的了。 最后整个模型就是：