使用注意力机制制作图像字幕

在给定如下图像的情况下，我们的目标是生成字幕，例如 “踏浪前行的冲浪者”。图像来源及许可：公共领域在此示例中，我们将使用基于注意力机制的模型。这样我们就能看到模型在生成字幕时重点关注的图像区域。下面这种模型架构与《显示、加入及识别：使用视觉注意力机制生成神经图像字幕》(Show, Attend and Tell: Neural Image Caption Generation with Visual Attention) 一文中的架构类似（https://arxiv.org/abs/1502.03044）。此笔记是一个端到端示例。运行时，该笔记会下载 MS-COCO 数据集、使用 Inception V3 对图像子集进行预处理和缓存、训练编码器-解码器模型，并使用该模型在新图像上生成字幕。在此示例中，您将使用相对较少的数据量训练模型。该模型将针对前 30000 条字幕（对应 ………………………………