ydyrx

> > @ ruizhao1997您好，我尝试使用指标CIDEr，METEOR和ROUGE进行评估。但是，METEOR出了点问题。 > > 回溯（最后最近一次调用）： > > 文件“eval.py”，线200，在 > > score_dict =评估（beam_size） > > 文件“eval.py”，线190，在评估 > > score_i，scores_i = scorer.compute_score（REF，海波） > > 文件“ /Users/Ryan/a-PyTorch-Tutorial-to-Image-captioning-master/evalfunc/meteor/meteor.py”，第41行，位于compute_score > > stat =...

我记得前天直接把`self.lang_lstm = nn.LSTMCell(opt.rnn_size * 2, opt.rnn_size) # h^1_t, \hat v`修改成`self.lang_lstm = nn.LSTMCell(opt.rnn_size * 3, opt.rnn_size) # h^1_t, \hat v`其他都没变还是能运行。这不应该是维度出现问题吗？

如果我确实修改了这个**class UpDownCore(nn.Module):**里的内容，我应该怎么保证我的代码被运行呢？ 如果没有报错，是否代表全部执行？比如我修改updown模型，然后运行updown模型训练。 然后好像只要core input output的形式不变，改变里面的一些代码也不会出错。这使我疑惑，期待您的回复。

好的。谢谢啦

Hello,我来提醒您关注下这个问题了。

好的，我的training script是 `python tools/train.py --id updown --caption_model updown --input_json data/cocotalk.json --input_fc_dir data/cocotalk_fc --input_att_dir data/cocotalk_att --input_label_h5 data/cocotalk_label.h5 --batch_size 128 --learning_rate 5e-4 --learning_rate_decay_start 0 --scheduled_sampling_start 0 --checkpoint_path log_updown --save_checkpoint_every 6000 --val_images_use 5000...

您好，请问有什么进展吗？是哪部分有问题呀？

> 你要确认core跑了就在forward里面print一个东西 是的，我这样做了（forward里面print一个东西），然而什么都没有输出，会不会我的AttModel.py文件内容不一样？还是说：`python tools/train.py --id updown --caption_model updown --input_json data/cocotalk.json --input_fc_dir data/cocotalk_fc --input_att_dir data/cocotalk_att --input_label_h5 data/cocotalk_label.h5 --batch_size 128 --learning_rate 5e-4 --learning_rate_decay_start 0 --scheduled_sampling_start 0 --checkpoint_path log_updown --save_checkpoint_every 6000 --val_images_use 5000...

还是说我的错误出现在用的是resnet 101产生的，而不是Faster rcnn产生的特征？ 我的代码都是用您发布最新的。 and, 我的training script是也是按照说明书的要求。

ok，我试试。