我正在使用https://blog.keras.io/a-ten-minute-introduction-to-sequence-to-sequence-learning-in-keras.html中提出的方法编写LSTM Seq2Seq NMT（英语到孟加拉语） . 一些关键的区别是：1 . 我的模型是基于单词而不是基于字符2.对于英语单词（编码器部分的输入）我使用了Glove预训练嵌入3.对于孟加拉语单词我使用了单热编码
我有2个问题：
- 我使用了“categorical_cross_entropy”作为损失函数 . 但是，我不确定这是正确的方法，因为我有两种不同类型的输入 - 编码器输入的整数序列，以及解码器输入的一热编码序列（和密集层softmax输出） .
model.compile（optimizer ='adam'，loss ='categorical_crossentropy'，metrics = ['acc']）history = model.fit（[encoder_input_data，oh_decoder_data]，oh_target_data，batch_size = batch_size，epochs = 100，validation_split = 0.2）
我觉得由于输入编码的差异，这种损失（和准确性）功能可能会被误导 . 我该如何解决这个问题？
- 输出只生成一个单词，后跟EOS . 虽然不完整，但单字输出是一个很好的翻译 . 这是因为培训问题吗？