# 7.11.2 Seq2Seq 模型的實現
Seq2Seq模型由編碼器和解碼器兩個循環神經網路。

### 教師強制(Teacher Forcing)
每次不使用上一個state的輸出作爲下一個state的輸入，而是直接使用訓練數據的標準答案(ground truth)的對應上一項作爲下一個state的輸入

優點:
收斂速度提高

缺點:
實際泛化能力降低

# 7.11.3 字元級的Seq2Seq模型

### 1.字元單詞表
### 2.讀取訓練樣本並建構字元單詞表
### 3.訓練字元級的Seq2Seq模型
## 問題
1.Seq2Seq模型的結構為和?
2.Seq2Seq的應用為何?