Show and Tell: A Neural Image Caption Generator

[VamWolf]

https://github.com/tensorflow/models/blob/master/im2txt/g3doc/show_and_tell_architecture.png

paddle 实现这个结构，是不是
image embeding 一层
word embeding 一层
两层连接，concat_layer
然后，作为lstm 的输入，lstm层 得到encoded vector.
decode ，参考seqToseq 的解码部分就可以了

[Zrachel]

有一点不一样，
两层连接，应该用SequenceConcatLayer (concat_layer是指两个拼起来的size是两个相加的size)

[VamWolf]

SequenceConcatLayer 在 trainer_config_helpers 里目前没有，./trainer/config_parser.py 里有，应该是可以按照 paddle v1 的方式使用？？？

[Zrachel]

是的

[Yancey1989]

这issue太久没更新了，如果有更新再打开吧，多谢。