首先说明在sequence2sequence模型中beam251 search的方法只用茬测试的情况，因为在训练过程中每一个decoder的输出是有正确答案的，也就不需要beam251 search去加大输出的准确率

假设现在我们用机器翻译作为例子來说明。

我们的任务是翻译中文“我是中国人”--->英文“I am Chinese”

假设我们的词表大小只有三个单词就是I am Chinese

那么如果我们的beam251 size为2的话，我们现在来解釋,

如下图所示我们在decoder的过程中，有了beam251 search方法后在第一次的输出，我们选取概率最大的"I"和"am"两个单词而不是只挑选概率最大的单词。

然后接下来我们要做的就是把“I”单词作为下一个decoder的输入算一遍得到y2的输出概率分布，把“am”单词作为下一个decoder的输入算一遍也得到y2的输出概率分布

比如将“I”单词作为下一个decoder的输入算一遍得到y2的输出概率分布如下：

比如将“am”单词作为下一个decoder的输入算一遍得到y2的输出概率分咘如下：

那么此时我们由于我们的beam251 size为2，也就是我们只能保留概率最大的两个序列此时我们可以计算所有的序列概率：

我们很容易得出俩個最大概率的序列为 “I am”和“am Chinese”，然后后面会不断重复这个过程直到遇到结束符为止。

最终输出2个得分最高的序列

这就是seq2seq中的beam251 search算法过程，但是可能有些同学有一个疑问就是但i-1时刻选择的单词不同的时候，下一时刻的输出概率分布为什么会改变

这是由于解码的过程中，第i时刻的模型的输入包括了第i-1时刻模型的输出，那么很自然在第i-1时刻模型的输出不同的时候就会导致下一时刻模型的输出概率分布會不同。

因为第i-1时刻的输出作为参数影响了后一时刻模型的学习

如下图用了一个slides的法语翻译为英文的例子，可以更容易理解上面的解释

选择概率最大的0.4，即moi

，选择概率最大的0.6即suis。

上面的贪心搜索只选择了概率最大的一个而集束搜索则选择了概率最大的前k个。这个k值也叫做集束宽度（beam251 Width）

还是以上面的例子作为说明，k值等于2则集束搜索的过程如下图：

然后Je和moi分别作为Decoder的输入，得到两个概率分布然后再选擇概率和最大的前两个序列，0.3+0.8和0.4+0.6即Je suis和moi suis。

以此类推最终可以得到两个序列，即Je suis étudiant和moi suis étudiant很明显前者的概率和最大，为2.2所以这个序列是朂终得到的结果。

集束搜索本质上也是贪心的思想只不过它考虑了更多的候选搜索空间，因此可以得到更多的翻译结果