Seq2Seq模型可以用于处理输入序列和输出序列长度不相同的问题。常用的场景有：机器翻译、语音识别和文字识别三个领域为例。
1、机器翻译领域
比如将“ABC”输入序列翻译成“WXYZ”输出序列。Seq2Seq模型可以处理输入序列和输出序列长度不同问题。
2、语音识别
在attention-based的Seq2Seq基础上，引入了混合attention机制，来解决语音识别问题。
3、文字识别
将输入文字图片看成输入序列，基于attention的Seq2Seq模型进行解码，得到输入图片的文字信息。
Seq2Seq模型可以用于处理输入序列和输出序列长度不相同的问题。常用的场景有：机器翻译、语音识别和文字识别三个领域为例。
比如将“ABC”输入序列翻译成“WXYZ”输出序列。Seq2Seq模型可以处理输入序列和输出序列长度不同问题。
在attention-based的Seq2Seq基础上，引入了混合attention机制，来解决语音识别问题。
将输入文字图片看成输入序列，基于attention的Seq2Seq模型进行解码，得到输入图片的文字信息。
