用于向量到字符序列翻译的 LSTM
LSTM for vector to character sequence translation
我希望构建一个序列到序列模型，该模型接受 2048 长的 1 和 0 向量（例如 [1,0,1,0,0,1,0,0, 0,1,...,1] ）作为我的输入并将其转换为我已知的（可变长度）1-20 个长字符的输出（例如 GBNMIRN、ILCEQZG 或 FPSRABBRF）。
我的目标是创建一个模型，该模型可以接受一个新的 2048 长的 1 和 0 向量，并预测输出序列的样子。
我查看了一些 github 存储库，例如 this and this。
但我不确定如何解决我的问题。是否有任何项目做了类似于 this/how 的事情，我可以用目前的 seq2seq 模型或 LSTM 来实现吗？ （python 实施）
我在 python 中使用 keras 库。
您的输入很奇怪，因为它是 binary-code。不知道模型会不会好用
首先，您需要为输入和输出添加开始和结束标记，以指示边界。然后设计每个时间步的区域模块，包括如何使用隐藏状态。您可以尝试如下简单的 GRU/LSTM 网络。
详情可以试试Encoder
和解码器
此外，你可以看看论文注意力机制Neural Machine Translation by Jointly Learning to Align and Translate。结构如下。
详情
虽然您使用的是 Keras，但我认为阅读 PyTorch 代码会有所帮助，因为它简单易懂。 PyTorch tutorial
中给出的教程
我希望构建一个序列到序列模型，该模型接受 2048 长的 1 和 0 向量（例如 [1,0,1,0,0,1,0,0, 0,1,...,1] ）作为我的输入并将其转换为我已知的（可变长度）1-20 个长字符的输出（例如 GBNMIRN、ILCEQZG 或 FPSRABBRF）。
我的目标是创建一个模型，该模型可以接受一个新的 2048 长的 1 和 0 向量，并预测输出序列的样子。
我查看了一些 github 存储库，例如 this and this。
但我不确定如何解决我的问题。是否有任何项目做了类似于 this/how 的事情，我可以用目前的 seq2seq 模型或 LSTM 来实现吗？ （python 实施）
我在 python 中使用 keras 库。
您的输入很奇怪，因为它是 binary-code。不知道模型会不会好用
首先，您需要为输入和输出添加开始和结束标记，以指示边界。然后设计每个时间步的区域模块，包括如何使用隐藏状态。您可以尝试如下简单的 GRU/LSTM 网络。
详情可以试试Encoder
和解码器
此外，你可以看看论文注意力机制Neural Machine Translation by Jointly Learning to Align and Translate。结构如下。
详情
虽然您使用的是 Keras，但我认为阅读 PyTorch 代码会有所帮助，因为它简单易懂。 PyTorch tutorial
中给出的教程