如何避免在Tensorflow 2中为CTC损失模型定义目标张量？

Question

我正在尝试使用tf.distribute.MirroredStrategy（）在Tensorflow 2中针对具有CTC损失的模型进行多GPU训练。

问题是模型需要定义target_tensor才能进行编译。 这可能是什么原因？ 有没有定义target_tensors的解决方法和编译模型吗？

如果我不通过目标，则会得到以下信息：

TypeError: Value passed to parameter 'indices' has DataType float32 not in list of allowed values: uint8, int32, int64

使用类似Keras的功能API定义模型：

model = Model(name ='Joined_Model_2',inputs=self.inp, outputs=[self.network.outp, self.network.outp_stt])

模型必须编译为：

self.model_joined.compile(optimizer=optimizer_stt,
            loss=losses,
            loss_weights= lossWeights,
            target_tensors=[target1, target2]                      
            )

该模型有2个输出，但是第二个使用的CTC损失导致了问题。

Answer 1

这是通过使用tf-nightly版本解决的。

Tf-nightly不允许在急切的执行模式下使用target_tensors。 在夜间版本中，我的模型可以在没有目标张量的情况下成功编译（实现没有任何变化），因此问题得以解决。