python - K.ctc_batch_cost() 中 input_length 的意思是什么

Question

我下载了一个使用Keras的ocr代码，它应用了CRNN网络并使用CTC loss作为损失函数。然而，我对 CTC 损失真的很陌生，只是在使用 K.ctc_batch_cost() 时遇到了麻烦，尤其是 input_length 的含义。在keras的文档中，

Arguments of tf.keras.backend.ctc_batch_cost( y_true, y_pred, input_length, label_length )

1. y_true:包含真值标签的张量(样本，max_string_length)。
2. y_pred:包含预测或 softmax 输出的张量(samples、time_steps、num_categories)。
3. input_length:包含 y_pred 中每个批处理项目的序列长度的张量 (samples, 1)。

4. label_length:张量(样本，1)包含 y_true 中每个批处理项目的序列长度。

   但是，我的问题是input_length 是什么意思？那是 LSTM 输出的维度吗？

Answer 1

一个示例的 CTC 损失是在二维数组 (T,C) 上计算的。 C 必须等于字符数 + 1(空白字符)。 C包含字符在某个时间戳的概率分布。 T 将是时间戳的数量。

T 的长度应为 2* max_string_length。所有可能的长度为 T 的 y_true 编码将用于负对数损失计算。

通常是上一层输出的shape。