TensorFlow - 根据CTC损失层的空白标签索引

Question

我很难理解SparseTensor标签在实际标签长度之外应该具有的值。因此，对于一个实例，假设我有标签A-Z，索引为0-26，目标标签为：

# 'H','E','L','L','O'
targ1=[7,4,11,11,14] 

# 'N','O'
targ2=[13,14]

sparse = [ [7,4,11,11,14],
           [13,14,0,0,0] ]

在稀疏中，第二批的实际成绩单显示为NOAAA，尽管它只是NO。所以我想知道TensorFlow在计算损失时如何处理这个问题。这不会让网络学会输出不正确的字符序列吗？或者我可以让标签的索引范围在1到27之间，而不是从0到26，因此迫使网络仅在1-27之间输出类，但我不能说服自己，即使这样也能完美地工作。

另外我认为CTC Loss的TensorFlow手册没有提到空白标签的索引被假定为N_Classes - 1，我在这里找到：CTC Loss op。有人可以确认这样的假设是否正确吗？

我请求某人澄清我的疑虑。感谢您的时间和支持。

Answer 1

CTC_OPS来源索赔

  

inputs Tensor的最内层尺寸大小num_classes代表     num_labels + 1个类，其中num_labels是真实标签的数量，和     最大值(num_classes - 1)保留给空白标签。

Answer 2

我最近研究过语音识别，张量流中的SparseTensor意味着它会在标签矩阵中添加0，所以0表示no-class，所以我认为{{1}的索引} class为blank-label，0为1-27。