Tensorflow 内置了Connectionist Temporal Classification (CTC) 损失和特殊的seq2seq 损失（加权交叉熵）的实现。

由于 CTC 损失也是为了处理 seq2seq 映射，我想知道这两个损失函数如何比较。我对 CTC 损失进行了很好的解释，发现目标序列被限制为不长于输入序列，而 seq2seq 损失不存在此限制。

我有一些问题（按相关性排序）：

1. 双向 LSTM 是否适合 seq2seq 损失？我只发现了带有 CTC 甚至更简单的损失函数的 b-LSTM 实现。2016 年有一篇帖子说当时这是不可能的。任何更新？
2. 除了 seq2seq 没有​​的 CTC 损失的多对一限制之外，还有概念上的差异吗？例如，seq2seq 损失是否做出与 CTC 损失类似的条件独立性假设？
3. 损失函数是否对优化器有偏好（RMSProp、ADAM、Momentum 等）？
4. 损失函数对特定任务集是否更有效？

理论论证和实践经验都值得赞赏。