1. Encoder
Encoder目标是将输入序列编码成低维的向量表示或embedding，映射函数如下：
$$\begin{equation}V\to R^{d}\end{equation} \tag{1}$$
即将输入V映射成embedding $z_i\in R^{d}$，如下图所示：
Encoder一般是卷积神经网络，主要由卷积层，池化层和BatchNormalization层组成。卷积层负责获取图像局域特征，池化层对图像进行下采样并且将尺度不变特征传送到下一层，而BN主要对训练图像的分布归一化，加速学习。（Encoder网络结构不局限于卷积神经网络）
以人脸编码为例，Encoder将人脸图像压缩到短向量，这样短向量就包含了人脸图像的主要信息，例如该向量的元素可能表示人脸肤色、眉毛位置、眼睛大小等等。编码器学习不同人脸，那么它就能学习到人脸的共性：
2. Decoder
Decoder目标是利用Encoder输出的embedding，来解码关于图的结构信息。
输入是Node Pair的embeddings，输出是一个实数，衡量了这两个Node在中的相似性，映射关系如下：
$$\begin{equation}R^{d} * R^{d}\to R^{+}\end{equation}. \tag{1}$$
Decoder对缩小后的特征图像向量进行上采样，然后对上采样后的图像进行卷积处理，目的是完善物体的几何形状，弥补Encoder当中池化层将物体缩小造成的细节损失。
以人脸编码、解码为例，Encoder对人脸进行编码之后，再用解码器Decoder学习人脸的特性，即由短向量恢复到人脸图像，如下图所示：
