有懂 image-caption 的老哥吗 有偿有偿

自己是学前端的，但是不小心选了个对我来说特别难的课题 大概就是输入一张图片通过建立和训练 RNN LSTM 模型来输出一句描述性的语句。在 github 上找了 pytorch 的教程，测试结果还行，用的都是预训练的模型，就连 word embedding 也用的是训练好的，就是短短两百行的 models.py 和 train.py 文件实在看不懂啊，各种参数。现在非常需要帮助，就是解释一下里面的代码具体是做什么的，好让我可以理解的写在论文上，有偿。十分感谢。