我正准备一个用于手写识别的TensorFlow应用程序。我正在使用一个简单的RNN模型，最后堆叠LSTM细胞和CTC损失。关于输入数据标签的准备，我有些困惑。
假设我有三个字符串作为目标标签"abc"，"ab"和"baccc"（在我的情况下，目标标签是单词而不是句子）。所以我有三个字符类作为索引a:0, b:1, c:2, blank:3。据我所知，目标标签的密集表示应为
0 3 1 3 2 0 0 0
0 3 1 0 0 0 0 0
1 3 0 2 3 2 3 2
但由于TensorFlow需要稀疏表示此标签，我需要准备一个稀疏表示
indices[(0,0),(0,1),(0,2),(0,3),(0,4),(1,0),(1,1),(1,2),(2,0),(2,1),(2,2),(2,3),(2,4),(2,5),(2,6),(2,7)]
values[0,3,1,3,2,0,3,1,1,3,0,2,3,2,3,2]
shape[3,8]
我对这个数据准备是否正确？任何帮助都非常感谢。
答案 0 :(得分：0)
如果我正确理解了这一点，那么您使用的批量大小为3，并且将不同长度的目标组合在一起。 对于CTC损失，我建议使用一批1号，因为CTC似乎无法收敛长序列。
在密集的表示中，您似乎用0＆＃39s填充较短的目标。那些应该是3（而不是空白）。
最后，你正在建立的稀疏张量似乎对我来说是正确的。你有维度方面的问题吗？您是否有要显示的错误日志？
答案 1 :(得分：0)
来自tensorflow网站：https://www.tensorflow.org/api_docs/python/tf/nn/ctc_loss
张量输入的最里面维度尺寸num_classes代表num_labels + 1类，其中num_labels是真实标签的数量，最大值（num_classes-1）保留用于空白标签。
和
labels：一个int32 SparseTensor。 labels.indices [i，：] == [b，t]表示labels.values [i]存储（批次b，时间t）的ID。 labels.values [i]必须采用[0，num_labels）个值。
输入：3-D浮动张量。如果time_major == False，则将为张量形状：[batch_size，max_time，num_classes]。如果time_major == True（默认），则将为张量形状：[max_time，batch_size，num_classes]。 Logits。
在创建ctcloss的第一个参数“标签”时，不应插入空白标签。每个值都必须在[0，numOfTrueLabels）范围内。在说明中清楚地给出了这一点。