这是组队学习第二次打卡了，Task3~Task5一共有9个任务，我觉得有点多，每个都做肯定完不成，而且有的任务我比较熟悉，也就不占用时间了，我重点就关注自己不熟悉的任务:seq2seq，attention，transform 之前学过了RNN，它的结构可以是:一对一，一对多(一个输入，循环多次输出),多对一(一直到网络的最后才输出),多对多(每一个输入对应一个输出)。 RNN可以是定长的输入，输出也可以是定长的，如果现在碰到的问题是不定长的输入和不定长的输出，怎么办 ？ seq2seq来了 这

首先还是要感谢平台给了自己一次学习的机会。自己平常也会跟着书上的内容敲敲代码，但对于理论知识还是一知半解。每节课后的习题给了自己一个巩固复习的机会，让自己能够清楚学习的重点，查漏补缺。 在这几天的学习中，自己的收获也很多。首先对于欠拟合和过拟合问题。在训练模型中经常会遇到两类典型问题：一类是模型无法得到较低的训练误差，我们将这一现象称作过拟合；另一类是模型的训练误差远小于它在训练数据集上的误差，我们称该现象为过拟合。 在应对过拟合问题时，我们常用到正则化的方式。权重衰减等于L2范数正则化。正则化