Teacher forcing 是一种序列任务中的技术。它最初提出的动机是使得RNN的训练得以并行，加快模型训练。
简单来说Teacher forcing就是将数据集中的标签作为模型输入。
首先，以RNN为例，介绍Teacher forcing的技术细节。下图为RNN展开的计算图。

如图所示，Teacher forcing在训练时和测试时使用不同的输入。
训练时，使用数据标签作为输入；测试时使用模型的输出作为输入。

但是，在open-loop 模式下，模型在训练时和测试的输入会有较大差异。缓解该问题有如下方法：
(1) 在训练时同时输入真实的数据值(teacher forcing inputs) 和 模型生成的值。
(2) 在训练师随机选择真实的数据值和模型生成的值。

参考: Deep learning