[CLS 09 · 图像条件输出：描述与问答](/course/notebooks/c9f328a00ef44ecc90804e47276a7811.html)

# 看清图像条件，再打开解码器
[独立阅读](/course/notebook-blocks/0bf24433979946a493db9110cc38c355.html)
按问题继续

图像条件、teacher forcing、真实生成、greedy/beam与VQA控制

## 看清图像条件，再打开解码器

本讲先检查图像是否真正影响逐词预测与生成结果：[LAB 13](https://deepnote.com/project/38755e4e-23f6-4f5f-8c68-8a2e4114b1c1/notebook/3da47f3ee3554ee0a36e0bb6a2fdc61f?utm_source=openai&utm_medium=mcp&utm_campaign=openaimcp&utm_content=3da47f3ee3554ee0a36e0bb6a2fdc61f&utm_term=get_notebook)保留训练、实际接续输出、遮图与错图消融。较高模型概率和更符合图片是两个评价问题，不能由搜索方式直接互相保证。

循环状态方程、整句概率分解、规范化概率树及 greedy/beam 比较，已整理到[第五讲：序列模型与图像条件解码](https://deepnote.com/project/841ec8e7-e352-4840-b628-d3742b03d6d0/notebook/b1c8e2fd764441e8820b808fc40ec3cb?utm_source=openai&utm_medium=mcp&utm_campaign=openaimcp&utm_content=b1c8e2fd764441e8820b808fc40ec3cb&utm_term=get_notebook)。需要解释 LAB 13 的内部实现时再沿此入口展开。