Machine learning PyTorch的nn.Transformer中src和tgt之间的区别是什么？

从文档中可以看出，要创建这样的变压器模型：

transformer_model = nn.Transformer(nhead=16, num_encoder_layers=12)
src = torch.rand((10, 32, 512))
tgt = torch.rand((20, 32, 512)) # What is tgt??
out = transformer_model(src, tgt) 

---

tgt意味着什么？tgt是否应与src相同？

变压器结构由两部分组成，编码器和解码器。src是编码器的输入，tgt是解码器的输入

---

例如，执行将英语句子翻译为法语的机器翻译任务时，src是英语序列ID，tgt是法语序列ID。

但是如果我已经知道法语句子是什么，为什么我要使用转换器？我只想做transformer_模型（[“Some”，“句子”，“here”]），它输出另一个[0.123,0.239,0.189]序列，例如法语输出。我需要的法语序列是什么？如果我已经知道法语序列，为什么我首先需要变压器。你需要法语句子来训练模型。在推理步骤中，你不懂法语，所以英语句子被发送到编码器，然后首先输入到解码器，模型预测第一个法语单词。然后在第二个推理步骤中，你输入它，得到第二个法语单词w2，依此类推。。。。直到获得或达到所需的最大序列长度。如果你没有读过，强烈推荐。