第44周学习总结——im2txt代码实践

这周计划本来是将im2txt的模型用代码实现一遍，然后开始跑模型了。但是，现在却还没完成。主要花费的时间部分为：做数据集7+个小时，整合im2txt与NMT代码3+个小时。

做数据集

以往做图片的数据集，应该使用TFRecord格式来进行读取。但是，我在使用的过程中发现，1万张图片写入到TFRecord文件中，占用的空间达到了2.7个G，按照这种比例来计算，整个比赛项目的数据有21万，验证数据集有3万，那么整个写入到磁盘中，不得超过60个G？我电脑中空间可没有这么大，而且比赛的时候，到时还得将这60个G上传到服务器，这也是个不小的时间开销。

刚好，上周看了Importing Data，而且，在seq2seq的项目中，我也用代码实践了。所以打算，自己使用DataSet实现一个自己的数据集。这一改动，就各种报错，星期六的上午本来是打算直接开始模型代码，确实整个上午一直处于报错之中。

后来，在星期天的上午，终于仔细排查下，发现了是pad（它是用来填充位置，保持数据长度一致）设置的问题。因为我在使用图片名读取图片后，pad_batch函数不知道怎么自己设置这个图片数据的pad数据了。后来，我直接将pad_types的维度修改下，然后将pad_values去掉就好了。但是，我觉得这还不是很好的解决方案，因为文字序列，我需要设置pad，暂时还没找到方法，而且我的pad_id其实和默认值0是一样的，就暂时先放放这个了。

下图是终于能看到数据了

整合im2txt与NMT代码

看了im2txt的源代码，发现相比于NMT，它简单很多，相比于seq2seq的代码，那就更简单了（由于seq2seq里面可以实现机器翻译、文本摘要、图片字幕，所以它的封装程度很高，看起来非常复杂）。然后，我就打算在im2txt中一些代码，改成NMT里面的实现方式，看看效果怎么样。

然后，我就整合完了，不过，运行之后，又是报错。看时间也不早了，然后明天开始调错误吧！

总结与计划

总结：在使用的过程中，又一次发现自己对tensorflow很不熟悉，当想要实现某些功能时，都不知道该怎么用函数去实现。不过，现在比以前好多了，里面一般的方法，自己知道怎么去查了。特别是发现其实tensorflow里面封装了很多基本的方法，例如字符串的操作，分割、连接、求长度等等，它里面其实也封装了一系列方法去进行操作。上周看到tensorflow里面的这些操作时，感觉，有点进入一个新的世界。

计划：

• 将模型代码跑通，并尽快放到服务器开始跑，这一周要看到效果。
• 看看seq2seq中对im2txt的实现，看看有没有更好的trick