[LAB 13 · 看图生成一句话：训练、解码与消融](/course/notebooks/3da47f3ee3554ee0a36e0bb6a2fdc61f.html)

# 学习路径： 图像怎样约束句子与回答
[独立阅读](/course/notebook-blocks/71a055b4f2af4411829bd08c5f697050.html)
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](/course/study/caption-vqa.html)

**同样以`BOS a`开头，换一张图能否生成不同句子？** 先读[P51](/course/pages/l3-r2-p51.html)与[逐词目标表](/course/blocks/caption-shift-and-stop.html)，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](/course/blocks/caption-visual-controls.html)。

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](https://deepnote.com/project/38755e4e-23f6-4f5f-8c68-8a2e4114b1c1/notebook/11d9f74871544a77b42024a9fe06b81a)。

![固定前缀下的真实生成](/assets/display/9ebe76d49a449b9940b6470f.webp)

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](https://deepnote.com/workspace/ise3309jingao-5ba66b0a-4283-4f5a-ae06-3f68d3201e99/project/38755e4e-23f6-4f5f-8c68-8a2e4114b1c1/notebook/11d9f74871544a77b42024a9fe06b81a?utm_source=openai&utm_medium=mcp&utm_campaign=openaimcp&utm_content=11d9f74871544a77b42024a9fe06b81a&utm_term=get_notebook)。