一、开篇：卷积也能做序列2018 年 3 月，一篇看似"挑衅"的论文出现在 arXiv 上：An Empirical Evaluation of Generic Convolutional and Recurrent Networks for Sequence ModelingShaojie Bai, J. Zico Kolter, Vladlen KoltunCarnegie Mellon University / Intel Labs论文的核心论点直接而大胆：在大多数序列建模任务上，一个简单的卷积网络（TCN）能够超过 LSTM、GRU 等经典循环网络——而且训练更快、梯度更稳定。这在 2018 年是个反常识的说法。当时的"常识"2018 年，序列建模的世界被RNN 家族统治：RNN（1986）：处理序列的标准方法LSTM（1997）：解决长程依赖的王者GRU（2014）：LSTM 的简化版Seq2Seq（2014）：机器翻译的标准框架
时序卷积网络（TCN）百科全书用卷积征服序列
一、开篇：卷积也能做序列2018 年 3 月，一篇看似"挑衅"的论文出现在 arXiv 上：An Empirical Evaluation of Generic Convolutional and Recurrent Networks for Sequence ModelingShaojie Bai, J. Zico Kolter, Vladlen KoltunCarnegie Mellon University / Intel Labs论文的核心论点直接而大胆：在大多数序列建模任务上，一个简单的卷积网络（TCN）能够超过 LSTM、GRU 等经典循环网络——而且训练更快、梯度更稳定。这在 2018 年是个反常识的说法。当时的"常识"2018 年，序列建模的世界被RNN 家族统治：RNN（1986）：处理序列的标准方法LSTM（1997）：解决长程依赖的王者GRU（2014）：LSTM 的简化版Seq2Seq（2014）：机器翻译的标准框架
