## 实验要求
## 对测试集的翻译结果进行评价，使用 [BLEU](https://en.wikipedia.org/wiki/BLEU) 作为评价方法

1. 修改基础代码 增加多头注意力个数 在测试集上对比（25%）
2. 修改基础代码 增加 encoder decoder 层数，在测试集上对比（35%）
3.  混合上述策略 在测试集上对比 并绘制你得到的最佳模型的训练曲线（40%）

**注：以上实验要求中的分析部分需要在报告中详细说明，包括实验结果、分析和结论，包括但不限于训练验证损失曲线，翻译效果，bad case 分析等，如果认为是重要的内容，可以适当加粗和标红** 


## 参考资料：
https://github.com/mindspore-courses/mindspore-seq2seq/tree/main


## 目录：
1. assets 解释图片文件夹
2. evaluate  评估函数文件夹
3. cmn_zhsim.txt 中英文数据集
4. Transformer.ipynb  实验例程

## 得分细节
1. 提交的报告文件 pdf 格式，包含实验结果、分析和结论（80%）
2. 提交的代码文件，包含模型训练代码和模型预测代码（20%）