RL 训练参数尝试

几个方向

• 是否固定 Image Model

limiao: 目前都是固定Image Model的

• 尝试Adam训练

limiao: 目前Adam正在尝试0.01,0.001和0.0001三种学习率

• 尝试不同学习率

limiao: 目前SGD正在尝试了两种0.1和0.01两种学习率，decay factor还是0.6。 仅仅从训练集上的cider score变化看，“好像”0.1的学习率好一点，这个结论还有待继续验证

• 尝试加入Multi-Task loss