TensorFlow - 根据 CTC 损失层的空白标签索引

Question

我在理解标签 SparseTensor 应具有超出实际标签长度的值时感到困惑。例如，假设我有索引为 0-26 的标签 A-Z，目标标签为:

# 'H','E','L','L','O'
targ1=[7,4,11,11,14] 

# 'N','O'
targ2=[13,14]

sparse = [ [7,4,11,11,14],
           [13,14,0,0,0] ]

在稀疏中，第二批的实际成绩单显示为 NOAAA，尽管它只是 NO。所以我想知道 TensorFlow 在计算损失时如何处理这个问题。这不会让网络学会输出不正确的字符序列吗？或者我是否可以让标签的索引范围在 1 到 27 之间，而不是从 0 到 26，从而强制网络仅输出 1-27 之间的类，但我无法说服自己即使这样也能完美地工作。

此外，我认为 CTC Loss 的 TensorFlow 手册没有提到空白标签的索引假定为 N_Classes - 1，我在这里找到:CTC Loss op .有人可以确认这样的假设是否正确吗？

我请求有人澄清我的疑惑。感谢您的宝贵时间和支持。

Answer 1

CTC_OPS 来源声明

The inputs Tensor's innermost dimension size, num_classes, represents num_labels + 1 classes, where num_labels is the number of true labels, and the largest value (num_classes - 1) is reserved for the blank label.