机器翻译
机器翻译（MT）：将一段文本从一种语言自动翻译为另一种语言，用神经网络解决这个问题通常称为神经机器翻译（NMT）。
主要特征：输出是单词序列而不是单个单词。 输出序列的长度可能与源序列的长度不同。
Encoder-Decoder
解决输出序列的长度可能与源序列的长度不同的问题
encoder：输入到隐藏状态
decoder：隐藏状态到输出
Sequence to Sequence模型
Seq2Seq一般是通过Encoder-Decoder（编码-解码）框架实现，Encoder和Decoder部分可以是任意的文字，语音，图像，视频数据，模型可以采用CNN、RNN、LSTM、GRU、BLSTM等等
模型：
训练
预测
预测时decoder每个单元输出得到的单词作为下一个单元的输入单词
预测时decoder单元输出为句子结束符时跳出循环
每个batch训练时encoder和decoder都有固定长度的输入
具体结构：
