参加了今年的ai challenger 的image caption比赛，最终很幸运的获得了第二名。这里小结一下。

 

1. Pytorch 越来越火了。。 前五名有三个pytorch， 两个tensorflow 关于哪个learning frame work 更适合图像nlp相关的应用 我觉得用户用脚投票使用程度说明一切。tensorflow有强大的slim图像库支持，比如nasnet是slim最先支持的毕竟google原版。。。,但是在很多比赛灵活性上对比pytorch还有欠缺 比如强化学习feed dict较慢，比如多模型ensemble实现per step的投票 beam search比较麻烦，甚至一个in graph的beam seach相比pytorch也麻烦很多，希望后面eagar模式能改变这些。
2. 最佳的caption利器当属微软的

   Bottom-Up and Top-Down Attention for Image Captioning and Visual Question Answering

      

   来自 <>

   前五名除了我都使用这个思路， 因此我的单模型效果(show attention and tell)是相对最差的。。

3. 强化学习非常重要

   其它选手都通过强化学习大大提升了客观分数，但是仅仅优化类似cider这样的指标的强化学习可能会使得句子通顺度弱于优化cross entropy可能是这个原因我的主观流畅性打分最高..

4. 调参和一些细节是至关重要的
   1. 比如lstm hidden size 大部分选手可能使用512 而有的选手使用2048 提升明显
5. 我使用light gbm 进行gbdt rerank将cider提升了10个点 这里为 lightgbm 打call， 194w样本，52维特征，5交叉验证regression 只需要3分钟， lamdamart 排序只需要5分钟。
6. 这里开源了本次比赛我使用的代码，欢迎contribute，特别是对强化学习的修改及改进，很遗憾尽管我也实现了scst但是没有达到理想效果几个指标只有meteor提升，其余指标下降。