tf.nn.ctc_loss

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, представленную в (Graves et al., 2006).

Примечания:

Аналогично "Классической CTC" в настройках tf.compat.v1.nn.ctc_loss TensorFlow 1.x с preprocess_collapse_repeated=False, ctc_merge_repeated=True
Метки могут быть предоставлены как плотный, заполненный нулями тензор со списком 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 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, количество_меток], если logits_time_major == False, форма — [размер_пакета, кадры, количество_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, logits]. Если False, форма — [пакет, время, logits]
`unique`	(необязательно) Уникальные индексы меток, вычисленные с помощью ctc_unique_labels(labels). Если указано, включит более быструю и экономичную реализацию на TPU.
`blank_index`	(необязательно) Установите индекс класса для использования пустой метки. Отрицательные значения будут начинаться с num_classes, т.е. -1 воспроизведет поведение ctc_loss, используя num_classes - 1 для пустого символа. Существует некоторый объем памяти/производительности при переходе от значения по умолчанию 0, так как может быть создана дополнительная смещенная копия logits.
`name`	Имя для этого `Op`. По умолчанию "ctc_loss_dense".

Возвращаемые значения
`loss`	тензор формы [размер_пакета], отрицательные логарифмические вероятности.

Ссылки:

Connectionist Temporal Classification - Определение меток несгруппированных последовательностей с помощью рекуррентных нейронных сетей: Graves et al., 2006 (pdf)

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.9/api_docs/python/tf/nn/ctc_loss