Tensorflow 克瑞斯CTC损耗输入

我正在尝试使用CTC来使用keras进行语音识别，并尝试了CTC示例。在该示例中，CTC

Lambda

层的输入是softmax层的输出（

y_pred

）。

Lambda

层调用

ctc\u batch\u cost

，该层内部调用Tensorflow的

ctc\u loss

，但假设

ctc\u loss

函数在内部执行softmax，因此您不需要首先对输入进行softmax。我认为正确的用法是将

internal

传递到

Lambda

层，这样您只能在

ctc\u loss

函数内部应用softmax一次。我试过这个例子，它是有效的。我应该遵循示例还是Tensorflow文档

您发布的代码中使用的损失与您链接的代码不同。代码中使用的损失是

keras代码在调用

ctc\u loss

之前会进行一些预处理，使其适合所需的格式。除了要求输入不为softmax-ed外，tensorflow的

ctc\u损失

还要求DIM为

NUM\u时间、批次大小、功能

。Keras的

ctc\u批量成本

实现了这两项功能

它会执行log（），从而消除softmax缩放，还可以调整DIM，使其处于正确的形状。当我说摆脱softmax缩放时，它显然不会恢复原始张量，而是

softmax（log（softmax（x））=softmax（x）

。见下文：

def softmax(x):
"""Compute softmax values for each sets of scores in x."""
e_x = np.exp(x - np.max(x))
return e_x / e_x.sum()


x = [1,2,3]
y = softmax(x)
z = np.log(y) # z =/= x (obviously) BUT
yp = softmax(z) # yp = y #####

---

是的，但是

ctc\u批量成本

在内部调用tensorflow的

ctc\u损失

。你是对的。我正在探索double softmax是否会与一次性应用有所不同。你找到结论了吗？没有。我目前正在转向全张量流实现，以支持灵活性和多GPU支持。但是如果你能和我分享你的探索结果那就太好了，这很有趣。嘿，我不知道你是否还在乎，但是我更新了上面的答案，这说明他们都是对的。啊，是的，除了轴交换，我对那条线没太在意。现在清楚了。谢谢你的预言