ImageCaption_THU

#-------------------------------------- 20170522: train和infer的教程 -----------------------------------------------#

##train的方法：##

   1.将fc1_new.h5 或者fc2_new.h5 放在./im2txt/data目录下

   2.在./im2txt/configuration.py下设置必要的参数，对我们来说，主要的参数有：

	(1) self.vocab_size = 2000

	(2) self.batch_size = 32  

ImageCaption_THU

#-------------------------------------- 20170522: train和infer的教程 -----------------------------------------------#

##train的方法：##

   1.将fc1_new.h5 或者fc2_new.h5 放在./im2txt/data目录下

   2.在./im2txt/configuration.py下设置必要的参数，对我们来说，主要的参数有：

(1) self.vocab_size = 2000

(2) self.batch_size = 32  

(3) self.embedding_size = 4096

(4) self.num_lstm_units = 512

(5) self.initial_learning_rate = 2.0

(6) self.learning_rate_decay_factor = 0.5

(7) self.max_checkpoints_to_keep = 5

   3. 将对应的target_seq.txt, input_seq.txt, mask.txt放在./im2txt/data文件夹下

   4. 在 ./im2txt/train_pre_load.py中设置迭代轮数：

tf.flags.DEFINE_integer("num_epochs", 20000000000000,".")，即train多少轮，每一轮将遍历所有数据

      运行./im2txt/train_pre_load.py

      你将在./im2txt/my_model下发现一些checkpoint文件      

##infer的方法：##

  1. 关闭train的过程（目前train和infer不能同时运行，如果发现问题解决方法，一定微信告诉@马平烁）

   2. 将image_vgg19_fc1_feature.h5 或者image_vgg19_fc2_feature.h5文件放在./im2txt/data文件夹下

      并且在./run_inference中设置

                   tf.flags.DEFINE_string("input_category", "train_set",                   # or validation_set or test_set     "File pattern or comma-separated list of file patterns "

"of image files.")

      即选择测试的文件是train_set还是validation_set还是test_set          3. 在./run_inference中设置checkpoint文件

tf.flags.DEFINE_string("checkpoint_path", "my_model/model.ckpt-399999",       #set your checkpoint to load here

"Model checkpoint file or directory containing a "

"model checkpoint file.")

   4. 将对应的word_count_all.txt放在./im2txt/data目录下

   5. 运行./im2txt/run_inference.py

#--------------------------------------20170524：关于不同训练字典、不同参数如何训练和测试----------------------------------------------#

##创建了两个文件夹，包含新的训练字典：##

1. ./wangjie/lac_2, 使用中文分词软件 THULAC，min_word_count = 2

  ### training       · 在./im2txt/configuration.py下设置必要的参数：(1) self.vocab_size = 6000

· 将该文件夹下的target_seq.txt, input_seq.txt, mask.txt放在./im2txt/data文件夹下

· train it

inference

· 将wordlac_count_all.txt放在./im2txt/data目录下。这里一定要注意，使用所有word的频数统计的txt，否则会生成unk_id

· run_inference.py里面做相应修改： tf.flags.DEFINE_string("vocab_file", "data/wordlac_count_all.txt", "Text file containing the vocabulary.")

· train it

  2. ./wangjie/word_3, 分割出一个一个中文汉字和一个一个英文单词，min_word_count = 3

training

      · 在./im2txt/configuration.py下设置必要的参数：(1) self.vocab_size = 2000

· 其他同上

#--------------------------------------20170525:生成用于提交测试的txt文件-----------------------------------------------#

run_inference.py 即可

生成的submit.txt文件在工作目录下新建的文件夹Results中

	(3) self.embedding_size = 4096

	(4) self.num_lstm_units = 512

	(5) self.initial_learning_rate = 2.0

	(6) self.learning_rate_decay_factor = 0.5

	(7) self.max_checkpoints_to_keep = 5

   3. 将对应的target_seq.txt, input_seq.txt, mask.txt放在./im2txt/data文件夹下

   4. 在 ./im2txt/train_pre_load.py中设置迭代轮数：

   tf.flags.DEFINE_integer("num_epochs", 20000000000000,".")，即train多少轮，每一轮将遍历所有数据

      运行./im2txt/train_pre_load.py

      你将在./im2txt/my_model下发现一些checkpoint文件      

##infer的方法：##

  1. 关闭train的过程（目前train和infer不能同时运行，如果发现问题解决方法，一定微信告诉@马平烁）

   2. 将image_vgg19_fc1_feature.h5 或者image_vgg19_fc2_feature.h5文件放在./im2txt/data文件夹下

      并且在./run_inference中设置

                   tf.flags.DEFINE_string("input_category", "train_set",                   # or validation_set or test_set     "File pattern or comma-separated list of file patterns "

                   "of image files.")

      即选择测试的文件是train_set还是validation_set还是test_set          3. 在./run_inference中设置checkpoint文件

	tf.flags.DEFINE_string("checkpoint_path", "my_model/model.ckpt-399999",       #set your checkpoint to load here
	
		"Model checkpoint file or directory containing a "
		
		 "model checkpoint file.")

   4. 将对应的word_count_all.txt放在./im2txt/data目录下

   5. 运行./im2txt/run_inference.py

#--------------------------------------20170524：关于不同训练字典、不同参数如何训练和测试----------------------------------------------#

##创建了两个文件夹，包含新的训练字典：##

1. ./wangjie/lac_2, 使用中文分词软件 THULAC，min_word_count = 2

  ### training       · 在./im2txt/configuration.py下设置必要的参数：(1) self.vocab_size = 6000

· 将该文件夹下的target_seq.txt, input_seq.txt, mask.txt放在./im2txt/data文件夹下

· train it 

### inference

· 将wordlac_count_all.txt放在./im2txt/data目录下。这里一定要注意，使用所有word的频数统计的txt，否则会生成unk_id

· run_inference.py里面做相应修改：
tf.flags.DEFINE_string("vocab_file", "data/wordlac_count_all.txt", "Text file containing the vocabulary.")

· train it 

  2. ./wangjie/word_3, 分割出一个一个中文汉字和一个一个英文单词，min_word_count = 3

### training

      · 在./im2txt/configuration.py下设置必要的参数：(1) self.vocab_size = 2000

· 其他同上

#--------------------------------------20170525:生成用于提交测试的txt文件-----------------------------------------------#

run_inference.py 即可

生成的submit.txt文件在工作目录下新建的文件夹Results中