Question

在谈到CTC功能时，似乎Keras已经为你做了很多繁重的工作。然而，我发现建立一个我不想作为神经网络的一部分运行的解码功能很棘手。我有一个在epoch端执行的自定义函数，然后我遍历所有测试数据并评估指标，我目前正在手动执行此操作但是想要使用k.ctc_decode函数（贪婪和光束）但是我发现很难访问并合并到我的自定义函数中。

我有一个模特：

 # Define CTC loss
    def ctc_lambda_func(args):
        y_pred, labels, input_length, label_length = args
        return K.ctc_batch_cost(labels, y_pred, input_length, label_length)

def ctc_decode(args):
     y_pred, input_length =args
     seq_len = tf.squeeze(input_length,axis=1)

     return K.ctc_decode(y_pred=y_pred, input_length=seq_len, greedy=True, beam_width=100, top_paths=1)

input_data = Input(name='the_input', shape=(None,mfcc_features))  
x = TimeDistributed(Dense(fc_size, name='fc1', activation='relu'))(input_data) 
y_pred = TimeDistributed(Dense(num_classes, name="y_pred", activation="softmax"))(x)

labels = Input(name='the_labels', shape=[None,], dtype='int32')
input_length = Input(name='input_length', shape=[1], dtype='int32')
label_length = Input(name='label_length', shape=[1], dtype='int32')

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

dec = Lambda(ctc_decode, output_shape=[None,], name='decoder')([y_pred,input_length])

model = Model(inputs=[input_data, labels, input_length, label_length], outputs=[loss_out])



iterate = K.function([input_data, K.learning_phase()], [y_pred])
decode = K.function([y_pred, input_length], [dec])

当前错误是：

dec = Lambda（ctc_decode，name =＆＃39; decoder＆＃39;）（[y_pred，input_length]）文件＆＃34; /home/rob/py27/local/lib/python2.7/site-packages/keras/engine/topology.py" ;, 第604行，致电 output_shape = self.compute_output_shape（input_shape）File＆＃34; /home/rob/py27/local/lib/python2.7/site-packages/keras/layers/core.py"，第631行，在compute_output_shape中返回K.int_shape（x）文件＆＃34; /home/rob/py27/local/lib/python2.7/site-packages/keras/backend/tensorflow_backend.py"，第451行，在int_shape中 shape = x.get_shape（）属性错误：＆＃39;元组＆＃39;对象没有属性＆＃39; get_shape＆＃39;

我有什么想法可以做到这一点吗？

使用Lambda图层的Keras与K.ctc_decode错误

0 个答案: