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

# 先拆开两个容易混淆的问题
[独立阅读](/course/notebook-blocks/b2fc4308b392433db454b46a8aea7e08.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

## 先拆开两个容易混淆的问题

训练的目标是 $p_\theta(w_t\mid I,w_{<t})$，不是同时猜出整句。teacher forcing 提供真实前缀，所以输入 `[BOS,a,red,square]` 对齐目标 `[a,red,square,EOS]`。PAD 只用来把批量补成矩形，不是下一词答案；EOS 则是真正需要学习的结束事件。下面保留原有两条整数序列，直接打印 input、target 与 mask。

原概率树只写了 A→X 的 0.45，却把 AX 称为 greedy，没有交代另外 0.55 分给谁。现在补齐每层归一化的树：根的 A/B 为 0.55/0.45；A 的 X/Z 为 0.45/0.55；B 的 Y/Z 为 0.8/0.2。实际执行 greedy 得到 AZ，概率 0.3025；宽度 2 的 beam 得到 BY，概率 0.36。它解释局部最大不保证全句最大；并不证明 beam 在真实模型上一定改善内容正确性。