【论文阅读笔记】CVPR2015-Long-term Recurrent Convolutional Networks for Visual Recognition and Description

可能我这种分享方式并不利于其他同学找到相关内容，但是这样好方便啊，所以我就截图了。

这是一篇2015年的CVPR，但是后来改成了TPAMI，文章很经典，总结了整个序列模型的在三个任务上的应用。

本文是基于caffe框架实现的LSTM模型的训练，但是测试的时候，关于如何通过预测word来输入到LSTM模型，代替标注word，还未搞清楚

希望懂得同学告诉我inference的方法。

在这里正是留下这个问题：

当时用caffe做LSTM训练的时候，input_sentence通过编码输入到LSTM模型，然后生成predit_words，但是input_sentence和predict_words的维度都是(T, N, Dim)，因此通过一个T个时刻的输入得到T个时刻的预测words。当测试的时候，是没有input_sentence的，所以无法输入到LSTM, 往往通过当前时刻的predict_word输入到下一时刻，代替原先的input_sentence word，可是按照blob是T时刻的，如何能一个一个time step的得到predict_word啊?