Reinforcement Training

本页主要介绍一下Reinforcement Training的使用方法。总体基于文章"Self-critical Sequence Training for Image Captioning" 的方法，使用cider作为reward，进行policy gradient训练。 (https://arxiv.org/pdf/1612.00563.pdf)

目前代码在rl_training分支。

数据准备

cider的计算基于鹤达写的in graph的计算方法，具体代码在im2txt/tf_cider.py里，计算过程需要ngram的document frequency，需要预先计算，运行 scripts/build_document_frequency.sh 即可。

使用方法