Google今年为seq2seq生产了5种不同的软件包:
seq2seq(声称是通用的，但
无效) nmt(处于事件状态，但应该只是
关于NMT) legacy_seq2seq
(显然是遗留的) contrib/seq2seq
(可能不完整) tensor2tensor(类似的目的，
主动开发)
实际上哪个包值得用于实现？看来它们都是不同的方法，但是没有一个方法足够稳定。 对于某些问题，我太头疼了，该选择哪种框架？我要注意使用Encoder-Decoder实现OCR。我一直在尝试使用legacy_seq2seq(当时是主库)来实现它，但是很难理解所有过程，因为肯定不再使用它了。
https://github.com/google/seq2seq:对我来说，这似乎是在尝试编写不编写自己的代码的命令行培训脚本。如果您想学习翻译模型，这应该可以工作，但在其他情况下则可能不起作用(例如对于我的OCR)，因为没有足够的文档并且用户数量太少 https://github.com/tensorflow/tensor2tensor:与上面的实现非常相似，但是它得到了维护，您可以为ex添加更多自己的代码。读取自己的数据集。基本用法还是翻译。但是它也可以启用诸如“图像说明”之类的任务，这很好。因此，如果您想尝试使用库，而您的问题是txt-> txt或image-> txt，则可以尝试这样做。它也应适用于OCR。我只是不确定是否每种情况都有足够的文档(例如在功能提取器上使用CNN) https://github.com/tensorflow/tensorflow/tree/master/tensorflow/contrib/seq2seq:除了上面，这只是纯库，当您想使用TF自己创建seq2seq时，该库很有用。它具有添加“注意力”，“序列丢失”等功能。在我的情况下，我选择了该选项，因为这样我可以自由选择框架的每个步骤。我可以选择CNN体系结构，RNN单元类型，Bi或Uni RNN，解码器类型等。但是，您将需要花一些时间来熟悉其背后的所有想法。 https://github.com/tensorflow/nmt:另一个翻译框架，基于tf.contrib.seq2seq库
从我的角度来看，您有两种选择:
如果您想快速检查想法并确保您使用的是非常有效的代码，请使用tensor2tensor库。它应该可以帮助您获得早期结果甚至是非常好的最终模型。 如果您想进行研究，不确定管道的外观如何，或者不确定seq2seq的概念，请使用tf.contrib.seq2seq中的库。