图像描述的联邦学习答案

【问题标题】：Federated Learning for Image Captioning图像描述的联邦学习
【发布时间】：2020-03-24 21:44:19
【问题描述】：

我对 tensorflow 比较陌生，我读过一本关于机器学习的书，也参加了 Udacity 的课程。我的任务是使用 tensorflow 提供的联合学习库重新创建在本教程 https://www.tensorflow.org/tutorials/text/image_captioning 中找到的图像字幕模型，到目前为止，一切都很简单，我已经设法理解我应该做什么，直到我达到模型设计的一部分。在联邦学习教程（https://www.tensorflow.org/federated/tutorials/federated_learning_for_image_classification）中，在设计变量部分时，我应该如何知道权重和偏差的形状？

对不起，如果这是一个明显的问题，但我一直在努力处理形状很长一段时间，提前谢谢你！ :)

编辑：对不起，我忘记在问题中添加这部分：我应该如何知道我的模型的变量？我知道权重和偏差是模型的基础以及损失和准确性，我知道模型的性能有多好，但是我还需要知道什么吗？

【问题讨论】：

标签： tensorflow tensorflow2.0 tensorflow-federated

【解决方案1】：

模型的权重和偏差的形状由建模者/实验者（你：D）挑选。这有时被称为“选择模型架构”，并且没有灵丹妙药。这个问题已经在How to decide neural network architecture?中得到了相当广泛的回答

【讨论】：

哦，但是在图像字幕的情况下，变量不应该像教程所说的那样是编码器+解码器的变量吗？如果是这样，我怎么能在训练开始之前知道这些变量的形状？