cai-lw / image-captioning-chinese Goto Github PK

你好，我用的是COCO数据集，
两层LSTM模型， 一层用于实现自上而下的注意力，一层实现语言模型。

用jieba提取词
我将所有图片描述中，出现频率大于3次的词作为字典文件，一共有14226个词。
words = [w for w in word_freq.keys() if word_freq[w] > 3]

训练好模型后，在使用时，结果中出现多个同类型的词，比如：
放在 床上 的 笔记 笔记本 笔记本电脑 电脑
一个 小女 小女孩 女孩 站 在 一起

请教一下，应该怎样解决这个问题？

i can't download the download the dataset.i can't open it
are there another way to download?

您好，我在执行您的代码时运行到
out, attn, alpha = tf.split(lstm_net.outputs, [n_hidden, d_local, a_local ** 2], axis=2)
这一步报错：tensorflow.python.framework.errors_impl.InvalidArgumentError: Sum of output sizes must match the size of the original Tensor along the split dimension or the sum of the positive sizes must be less if it contains a -1 for 'split_1' (op: 'SplitV') with input shapes: [?,?,512], [3], [] and with computed input tensors: input[1] = <512 512 49>, input[2] = <2>.
我理解的是lstm_net.outputs 输出的是[?,?,512]维的tensor ,不能拆分为512，512，49维的out ,attn ,alpha。
我不知道是源代码问题，还是tensorflow 版本问题。
想问您原网络lstm_net输出的是[?,?,1073]还是[?,?,512]呢？

如题，如何生成输入向量(?, 4096)？
希望实现输入一张图片，输出图像描述。

successfully run lstm.py
there is a error when run latm_attention.py in these codes:train_op = tf.train.AdamOptimizer().minimize(loss, var_list=train_vars).
error:Shapes (?, ?, 1073) and (?, ?, 512) are not compatible
my configuration:pythony3.5+tensorflow1.1+GPU