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

# 2. 图像先生成，目标句子只进入损失
[独立阅读](/course/notebook-blocks/b16f97bb031341f8b373532196bd0ca8.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

## 2. 图像先生成，目标句子只进入损失

三种颜色 × 两种形状 × 三个位置，得到 18 种组合。每图随机改变小幅平移、尺寸和像素噪声。中心图像的描述较短，如 `a red square`；侧边图像则为 `a red square on left`，因此本实验真的存在 PAD，而不是摆一个从来不被使用的 mask。

训练与保留图分别由 seed 13031 和 13033 生成，并检查像素哈希不重复。语义组合在两边都出现；这是新渲染样本的泛化，不是没见过组合的组合泛化。所有保留图的统计只用于最终报告。初期结构调试用 seed 13032 的开发图，另存于历史记录，不能混称独立测试。