keras 中的 CTC 损失实现

Question

我正在尝试使用 keras 为我的简化神经网络实现 CTC 损失：

  

def ctc_lambda_func(args):

    y_pred, y_train, input_length, label_length = args

 

    return K.ctc_batch_cost(y_train, y_pred, input_length, label_length)

x_train = x_train.reshape(x_train.shape[0],20, 10).astype('float32')

input_data = layers.Input(shape=(20,10,))

x=layers.Convolution1D(filters=256, kernel_size=3,  padding="same", strides=1, use_bias=False ,activation= 'relu')(input_data)

x=layers.BatchNormalization()(x)

x=layers.Dropout(0.2)(x)

x=layers.Bidirectional (LSTM(units=200 , return_sequences=True)) (x)

x=layers.BatchNormalization()(x)

x=layers.Dropout(0.2)(x)

y_pred=outputs = layers.Dense(5, activation='softmax')(x)

fun = Model(input_data, y_pred)

# fun.summary()

label_length=np.zeros((3800,1))

input_length=np.zeros((3800,1))

for i in range (3799):

    label_length[i,0]=4

    input_length[i,0]=5 

  

y_train = np.array(y_train)

x_train = np.array(x_train)

input_length = np.array(input_length)

label_length = np.array(label_length) 

  

loss_out = Lambda(ctc_lambda_func, output_shape=(1,), name='ctc')([y_pred, y_train, input_length, label_length])

model =keras.models.Model(inputs=[input_data, y_train, input_length, label_length], outputs=loss_out)

model.compile(loss={'ctc': lambda y_train, y_pred: y_pred}, optimizer = 'adam')

model.fit(x=[x_train, y_train, input_length, label_length],  epochs=10, batch_size=100)

我们有 y_true （或 y_train） ，尺寸为（3800,4），因此我将 label_length=4 和 input_length=5 （+1 表示空白）

我面临这个错误：

ValueError: Input tensors to a Model must come from `tf.keras.Input`. Received: [[0. 1. 0. 0.]

 [0. 1. 0. 0.]

 [0. 1. 0. 0.]

 ...

 [1. 0. 0. 0.]

 [1. 0. 0. 0.]

 [1. 0. 0. 0.]] (missing previous layer metadata).

y_true 是这样的：

 [[0. 1. 0. 0.]

 [0. 1. 0. 0.]

 ...

 [1. 0. 0. 0.]

 [1. 0. 0. 0.]

 [1. 0. 0. 0.]]

我的问题是什么？

Answer 1

你误解了长度。它不是标签类别的数量，而是序列的实际长度。CTC只能用于目标符号数量小于输入状态数量的情况。从技术上讲，输入和输出的数量是相同的，但有些输出是空白的。（这通常发生在语音识别中，其中有大量的输入信号窗口，而输出中的音素相对较少。）假设您必须填充输入和输出才能将它们批量化：input_length对于批次中的每个项目，应包含实际有效的输入数量，即不填充；label_length应包含模型应为批次中的每个项目生成多少个非空白标签。