python - 如何计算给定输入和预期输出的 ctc 概率？

Question

我正在做我的第一个 tensorflow 项目。

我需要获得给定输入和预期序列的 ctc 概率(不是 ctc 损失)。

在 python 或 c++ 中是否有任何 api 或方法可以做到这一点？

我更喜欢 python 端，但 c++ 端也可以。

Answer 1

根据 Graves 论文 [1]，一个批处理的损失定义为该批处理中所有样本 (x,z) 的总和 (log(p(z|x)))。如果使用 1 的批量大小，您将得到 log(p(z|x))，这是在给定输入 x 的情况下看到标签 z 的对数概率。这可以通过 TensorFlow 的 ctc_loss 函数来实现。

您也可以自己实现论文[1]第4.1节中描述的前向-后向算法的相关部分。对于小的输入序列，通过构造图 3 中所示的路径来使用简单的实现是可行的，然后对 RNN 输出中的所有路径求和。我对长度为 16 的序列和长度为 100 的序列执行了此操作。对于前者，朴素的方法就足够了，而对于后者，需要使用所提供的动态规划方法。

[1] Connectionist Temporal Classification:使用递归神经网络标记未分段的序列数据