代码说明

这个程序是基于Pytorch实现Seq2Seq(attention)功能(用于序列图片的识别)。
本代码目的：方便学习Seq2Seq(attention)细节，所以重点关注model的实现部分。
　　　　　　理论上：model的实现部分和原论文中的公式对比过，应该没大问题。
　　　　　　实践上：自己在实验室项目中已经使用过此模型，从实验效果来看模型没问题。
　　　　　　为了便于学习，我把原始程序上做了一些删减，应该不会影响程序的正确性。

开发环境

Pytorch0.4.0
tensorlfow
keras
window或linux系统皆可
此代码是cpu版，若想使用gpu可以在代码把注释行改掉

文件夹说明

1、piture_row: 存放原始图片文件
2、piture_npy: 存放经过inceptionv3模型提取的2048维特征向量
3、picture_info:存放label、train、val的信息

程序文件说明

1、extractor.py：使用keras调用inceptionv3从原始图片中提取2048维特征向量
2、data.py:　　　数据处理程序
3、picture_info：存放label、train、val的信息
4、config.py:　　记录整个模型的一些超参数
5、train.py：　　训练程序入口

程序运行

先运行extractor.py提取特征向量。再运行train.py
把所需要的安装包都pip安装好就没啥大问题，就是如此so easy！

Seq2Seq(attention)模型详解

论文链接

Neural Machine Translation by Jointly Learning to Align and Translate

模型框架图

在一些细节上和代码有些出入，但是不影响对模型的理解