tf.compat.v1.nn.ctc_loss_v2

Вычисляет потерю CTC (Connectionist Temporal Classification).

tf.compat.v1.nn.ctc_loss_v2(
    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., 2006).

Примечания:

То же самое, что и "Классическая 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: вызывающая сторона может использовать SparseTensor или плотные заполненные метки, но вызов со SparseTensor будет значительно быстрее.
По умолчанию метка пробела — 0, а не num_classes - 1, если не переопределено blank_index.

Аргументы
`labels`	тензор формы [batch_size, max_label_seq_length] или SparseTensor
`logits`	тензор формы [frames, batch_size, num_labels], если logits_time_major == False, форма — [batch_size, frames, num_labels].
`label_length`	тензор формы [batch_size], None, если labels — SparseTensor Длина последовательности меток-ссылок в метках.
`logit_length`	тензор формы [batch_size] Длина входной последовательности в логитах.
`logits_time_major`	(необязательно) Если True (по умолчанию), форма logits — [time, batch, logits]. Если False, форма — [batch, time, logits]
`unique`	(необязательно) Уникальные индексы меток, вычисленные с помощью ctc_unique_labels(labels). Если предоставлены, включите более быструю и эффективную реализацию памяти на TPU.
`blank_index`	(необязательно) Установите индекс класса, используемый для метки пробела. Отрицательные значения начнут отсчет от num_classes, т.е. -1 воспроизведет поведение ctc_loss, используя num_classes - 1 для символа пробела. Есть некоторые затраты памяти/производительности при переходе от значения по умолчанию 0, так как может быть создана дополнительная смещенная копия логитов.
`name`	Имя для этого `Op`. По умолчанию "ctc_loss_dense".

Возвращает
`loss`	тензор формы [batch_size], отрицательные логарифмические вероятности.

Ссылки:

Connectionist Temporal Classification - Labeling Unsegmented Sequence Data with Recurrent Neural Networks: Graves et al., 2006 (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/r2.4/api_docs/python/tf/compat/v1/nn/ctc_loss_v2