VQA用來替代圖靈測試測試人工智慧的程度：

給定一些圖片，及關於圖片的一些問題，智慧系統給出答案判斷系統的智慧程度。

VQA模型的思路：

第一步，生成答案（做成文字的分類問題。）

將句子裡常見的前20%的答案作為所有答案，通過softmax進行問題判斷，差不多可以得到80%左右的問題的正確答案。也就說準確率能達到80%。

第二步，處理資料來源（圖片）（文字）等

第三步，將圖片向量與文字向量拼接起來，然後輸入一個分類器模型（svm，CNN等都行）與對應的答案進行訓練得到模型

預處理：

訓練過程中每10次儲存一下訓練的權重係數。

json是儲存的模型的構架。

資料處理，將問題，圖片，答案轉換成批量的矩陣形式 。

訓練完成後儲存模型。

對於問題模型的訓練這裡用了兩種方法：一是MLP，即全連線人工神經網路，第二種是LSTM。

用LSTM模型訓練問題的向量拼接好的圖片的向量組成一維向量做X,與對應的問題標籤Y(ONEHOT)編碼。

加上LSTM模型

生成最後的模型，然後進行儲存。

模型輸入輸出資料：

載入訓練的模型

python匯入caffe檔案，讀入模型

123