第二部課程影片：https://www.youtube.com/watch?v=rTqmWlnwz_0&t=581s

Learn Target

當我們要訓練機器時，需要有Training Data才能夠訓練，但當這些資料是句子時，除了原本的句子外，還需要對應到每個單字的比對資料。

一樣以原影片的範例說明：

訓練資料："arrive Taipei on November 2nd"
標記資料："other dest other time time"

而輸出會得到一個array，這個array會紀錄當前單字的種類如dest, time, other等...

假如要輸出dest，這個array會變成[0, 0, ..., 1(dest), ..., 0]
time的話也是如此：[0, 0, ..., 1(time), ..., 0]
other是當他不能被歸類到之前的資料時丟進去的地方：[0, 0, ..., 1(other)]

而Training的方法是使用梯度下降法(Gradient descent)，但為了訓練得更容易於是針對RNN設計的演算法："Backpropagation Through Time(BPTT)"。雖然影片中並沒有講解BPTT詳細的內容，如果日後有辦法的話我會盡量生出來qq

但儘管如此，RNN是一個很難訓練的神經網路。