Beam Search、GREEDY DECODER、SAMPLING DECODER等解碼器工做原理可視化以及在天然語言生成領域的使用

圖像標註的任務讓咱們能夠構建和訓練一個爲任何給定圖像生成字幕的神經網絡。在設計時使用瞭解碼器的來完成文字的生成。當咱們描述了每一個解碼器的工做原理時，我發現當它們被可視化時，更容易理解它們。git 圖像標註任務流程圖web 與翻譯模型相似，咱們的圖像字幕模型經過輸入圖像張量和特殊的句首標記（即）來啓動字幕生成過程。這個模型生成了咱們單詞的機率分佈（其實是logits）。橙色方框顯示解碼算法的選擇，

>>阅读原文<<