话不多说先上图

NMT中的seq2seq

加入attention

基本的seq2seq模型：
outputs, states = basic_rnn_seq2seq(encoder_inputs, decoder_inputs, cell)
其中encoder_inputs是编码器的输入，decoder_inputs是解码器的输入

在模型中采用feed_previous参数来判断是否采用解码器输入还是前一刻的输出作为解码器输入。通常在训练中采用解码器输入，预测中采用前一刻的输出。

output_projection：
在decoder中会用到的参数。如果不指定，模型的输出是[batch_size, num_decoder_symbols]。但当num_decoder_symbols很大时，模型会采用一个较小的tensor[batch_size, num_samples]计算loss function（此时采用sampled softmax loss function），随后通过output_projection映射到原先的tensor。

bucket：
变长seq2seq中所采用的机制，通过将inputs和targets放入不同长度的桶中避免了对每一种长度组合都要新建一个graph。
在每次采用SGD更新模型参数时，会根据概率随机地从所有buckets中选择一个，并从中随机选取batch_size个训练样例，并对当前sub-graph中的参数进行优化，每个sub-graph之间权值共享。

train_bucket_sizes = [len(train_data.inputs[b]) 
                      for b in xrange(len(BUCKETS))]
train_total_size = float(sum(train_bucket_sizes))
train_buckets_scale = [sum(train_bucket_sizes[:i + 1]) / train_total_size
                       for i in xrange(len(train_bucket_sizes))]

foreach batch:
    random_number_01 = np.random.random_sample()
    #根据数据概率分布函数随机选取bucket
    bucket_id = min([i for i in xrange(len(train_buckets_scale))
                     if train_buckets_scale[i] > random_number_01]) 

    def seq2seq_f(encoder_inputs, 
                  decoder_inputs, 
                  cell,
                  num_encoder_symbols,
                  num_decoder_symbols,
                  embedding_size,
                  output_projection,
                  do_decode):
        return tf.contrib.legacy_seq2seq.embedding_attention_seq2seq(
          encoder_inputs,
          decoder_inputs,
          cell,
          num_encoder_symbols,
          num_decoder_symbols,
          embedding_size,
          output_projection=output_projection,
          feed_previous=do_decode)

tf.contrib.legacy_seq2seq.model_with_buckets(
          encoder_inputs,
          decoder_inputs,
          targets,
          target_weights,
          buckets,
          lambda x, y: seq2seq_f(x, y, 
                                 cell, 
                                 num_encoder_symbols,
                                 num_decoder_symbols,
                                 embedding_size,
                                 output_projection,
                                 False),
          softmax_loss_function=softmax_loss_function)