序列生成(sequence generate)架构

序列生成架构：

1. decoder模型：
   1.1 模型架构图：
   
   1.2 数据流：
   数据形式：使用历史token序列预测当前时刻 t 下一个时刻 t+1 时刻。
   训练数据形式：假设有一段token序列X，那么input_sequence = X[:-1]，lable_sequence = X[1:]，原则就是使用当前时刻的历史hidden state info和当前token作为模型(模型可是RNN或transformer)的输入，预测下一时刻的输出token，如图中一个子模块。
   预测数据形式：初始token序列输入网络获取第一次预测token和hidden state info，之后第一次预测token和hidden state info作为子网络的输入，预测下一个token，依次循环直到预测结束。
2. encoder-decoder模型