LAB 13 · 看图生成一句话：训练、解码与消融

学习路径： 图像怎样约束句子与回答

按问题继续

真实CNN–GRU条件训练与greedy/beam生成、遮图/错图消融

学习路径： 图像怎样约束句子与回答

同样以BOS a开头，换一张图能否生成不同句子？ 先读P51与逐词目标表，再对照本册第2节输入/标签、第3节视觉进入路径、第4/5节实际生成和消融。

本册确实用RGB图像训练CNN＋GRU并接续自身输出。2026-09-22本地基准保存了正确图、像素置零和循环错图的结果；18种语义组合在训练/保留两侧都出现，检验的是新渲染样本，不是未见组合或自然照片泛化。结果和完整协议。

读完应能拿一组图片与生成句子说明视觉是否影响输出，以及为何teacher-forced交叉熵不能替代生成评价。动手复现时按原代码顺序执行；GRU内部与beam搜索可留后续课，不影响先理解图像条件。另一个输出接口见LAB 14 问答。

图中句子由已训练模型生成。下一项问题是“同图换问会怎样”，进入 LAB 14 · 图像问答：视觉条件与问题先验。