在之前我们讲到的神经网络模型当中，输入和输出的长度是相同的。但是在实际的应用当中，有些序列模型所需要的输出跟输入的长度不一样，那么我们就要学习一些不太一样的神经网络模型。
比如说我们之前提到的，创作音乐的模型，和翻译的模型等等，都是输入跟输出不等长的例子。
在这里我们使用到的模型源自于一个博客：http://karpathy.github.io/2015/05/21/rnn-effectiveness/
在这里我们对使用的模型进行了几个分类：
many-to-many：也就是我们之前提到的那个模型，多个输入量对应多个输出量（输出与输入的长度不一定相等）。
many-to-one：多个输入量对应一个输出量，这个输出量的位置就在输入量的末尾，获取了所有信息之后做出判断。
one-to-many：单个或者无输入，但是有多个输出变量，这个适用于音乐生成或者是其他的序列应用当中。
当many-to-many的长度不相等时，在前面输入的RNN当中没有y的输出，当完成了输入之后，再后面继续接上y的输出。（虽然我觉得这样有点奇怪，不知道怎么获取它前面所得到的信息）
除了这三种之外，还有一种叫做注意力模型，会在第四周的课程当中讲到。
对于序列模型的各种分类我们基本上都已经了解了，但是对one-to-many这种模型，我们还有一些细节需要讨论，在下一节课当中我们会讲到。
网友评论