今年谷歌为seq2seq:生产了5个不同的软件包
- seq2seq(声称是通用的，但不活动)
- nmt(活动，但应该只是大约NMT)
- legacy_seq2seq(显然是遗留问题)
- contrib/seq2seq(可能不完整)
- tensor2传感器(也有类似用途积极发展)
哪个包真正值得用于实现？它们似乎都是不同的方法，但都不够稳定。
我一直很头疼一些问题，该选择哪个框架？我想用编码器解码器来实现OCR。我一直在尝试使用legacy_seq2seq实现它(当时它是主库)，但很难理解所有的过程，当然不应该再使用它了。
-
https://github.com/google/seq2seq:对我来说，这看起来就像是在不编写自己的代码的情况下制作命令行训练脚本。如果你想学习翻译模型，这应该有效，但在其他情况下可能不行(比如我的OCR)，因为没有足够的文档和用户数量太少
-
https://github.com/tensorflow/tensor2tensor:这与上面的实现非常相似，但它得到了维护，您可以为ex.添加更多自己的代码，例如读取自己的数据集。基本用法是再次翻译。但它也支持像图像标题这样的任务，这很好。所以，如果你想尝试使用现成的库，而你的问题是txt->txt或image->txt，那么你可以试试这个。它也应该适用于OCR。我只是不确定每个案例是否有足够的文档(比如在特征提取器中使用CNN)
-
https://github.com/tensorflow/tensorflow/tree/master/tensorflow/contrib/seq2seq:除此之外，这只是一个纯库，当你想使用TF自己创建seq2seq时，它会很有用。它有一个添加注意力、序列丢失等的功能。在我的情况下，我选择了这个选项，因为这样我就可以更自由地选择框架的每一步。我可以选择CNN架构，RNN小区类型，Bi或Uni-RNN，解码器类型等。但你需要花一些时间来熟悉它背后的所有想法。
- https://github.com/tensorflow/nmt：另一个基于
tf.contrib.seq2seq库的翻译框架
从我的角度来看，你有两个选择：
- 如果您想快速检查这个想法，并确保您使用的是非常高效的代码，请使用
tensor2tensor库。它应该可以帮助你获得早期的结果，甚至是非常好的最终模型 - 若你们想做一个研究，不确定管道到底应该是什么样子，或者想了解seq2seq的想法，请使用
tf.contrib.seq2seq中的库