RNN，LSTM，GRU都是序列学习的基本构建，GRU是对LSTM的简化，一般而言效果不如LSTM
在翻译这种场景下，seq2seq，也就是encoder-decoder的模式，encoder输出一个向量C作为decoder的输入
在sequence比较长的时间丢失信息严重，因此attention做了一个类似对encoder的每一个时间步做加权平均，获得对当前最有用的焦点信息；
作为decoder的每一步输出的一部分输入，其他的输入包括上一个时间步的隐状态，前一个输出；attention机制对序列学习是一个重要的方法和完善。
attention的加权平均机制中的权重怎么学习到？ 实际上你可以理解为一个函数，这个函数的输入1）encoder的每个时间步的状态s1 2）decoder的当前状态h1
将这两个s, h输入一个单层神经网络（W矩阵就是权重），通过sigmoid或者tanh变换得到一个0-1的概率值aij；BP的时候这个aij就会被反馈并更新；
也可以设计一些更复杂的函数，但基本逻辑都是类似的
体会：对于不懂得技术点，一定要多找，多搜，总有人能够搞明白并share到网上；