Show attend and Tell模型

改进

1. 对之前Show and Tell模型的衍生，多了一个attend ，加入了一个attention机制 （一种加权机制）
2. 卷积神经网络从全连接层改成了卷积层hadow_50,text_Q1NETiBA54mn576KTEw=,size_20,color_FFFFFF,t_70,g_se,x_16)。通过卷积层，可以得到一个照片的位置信息（通过卷积核的视野域，确定信息在矩阵的位置）
3. 卷积网络对卷积层做了多通道输出
   得到一个多通道的向量输出，不同通道的相同位置得到一个向量，得到14*14个向量。通过attention加权求和，最后得到一个不同位置的加权和
   

加权机制

卷积层为14 * 14 * 256 表示 每个通道大小为1414，总过有256个通道
通道中同一个位置的通道数都拿出来，作为一个向量（256，1），就会有1414个向量

加上ht-1是为了让每一步的计算都是不一样的，因为ai是不变的，ht-1是LSTM模型的输出
计算出每一个向量对应的e之后用所有的eti计算arf