tf.nn.ctc_loss
| Просмотреть исходный код на GitHub |
Вычисляет потерю CTC (Connectionist Temporal Classification).
tf.nn.ctc_loss(
labels, logits, label_length, logit_length, logits_time_major=True, unique=None,
blank_index=None, name=None
)
Этот оператор реализует потерю CTC, как представлено в (Graves et al., 2016).
Примечания:
- Аналогично "Классической CTC" в TensorFlow 1.x's tf.compat.v1.nn.ctc_loss при preprocess_collapse_repeated=False, ctc_merge_repeated=True
- Метки могут быть предоставлены как плотный, заполненный нулями тензор с вектором длин последовательностей меток ИЛИ как SparseTensor.
- На TPU и GPU: поддерживаются только плотные заполненные метки.
- На CPU: вызывающий может использовать SparseTensor или плотные заполненные метки, но вызов с SparseTensor будет значительно быстрее.
- По умолчанию пустая метка — 0, а не num_classes - 1, если не переопределено blank_index.
| Аргументы | |
|---|---|
labels | тензор формы [размер_пакета, максимальная_длина_последовательности_меток] или SparseTensor |
logits | тензор формы [кадры, размер_пакета, число_меток], если logits_time_major == False, форма [размер_пакета, кадры, число_меток]. |
label_length | тензор формы [размер_пакета], None, если labels — SparseTensor Длина эталонной последовательности меток в labels. |
logit_length | тензор формы [размер_пакета] Длина входной последовательности в logits. |
logits_time_major | (необязательно) Если True (по умолчанию), logits имеет форму [время, пакет, логарифмы]. Если False, форма [пакет, время, логарифмы] |
unique | (необязательно) Уникальные индексы меток, вычисленные ctc_unique_labels(labels). Если предоставлено, включить более быструю и экономичную реализацию на TPU. |
blank_index | (необязательно) Установите индекс класса для использования в качестве пустой метки. Отрицательные значения начнутся с num_classes, т. е., -1 воспроизведёт поведение ctc_loss, используя num_classes - 1 для символа пробела. Переключение с значения по умолчанию 0 имеет некоторый дополнительный overhead в памяти/производительности, так как может быть создана дополнительная сдвинутая копия logits. |
name | Имя для этого Op. По умолчанию "ctc_loss_dense". |
| Возвращаемые значения | |
|---|---|
loss | тензор формы [размер_пакета], отрицательные логарифмы вероятностей. |
Ссылки:
Классификация временных связей по методу соединительных временных классификаторов — маркировка несгруппированных данных последовательности с помощью рекуррентных нейронных сетей: Graves et al., 2016 (pdf)
© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.3/api_docs/python/tf/nn/ctc_loss
