Tensorflow之tf.nn.ctc_beam_search_decoder函数

一、tf.nn.ctc_beam_search_decoder

tf.nn.ctc_beam_search_decoder(
    inputs,
    sequence_length,
    beam_width=100,
    top_paths=1,
    merge_repeated=True
)

定义在：tensorflow/python/ops/ctc_ops.py.
对输入中给出的logits执行波束(beam)搜索解码.
注意：这ctc_greedy_decoder是带有top_paths=1和beam_width=1的ctc_beam_search_decoder的特殊情况(但解码器在这种特殊情况下更快).
如果merge_repeated是True,则合并输出波束中的重复类.这意味着如果波束中的连续条目相同,则仅发出第一个条目.也就是说,当顶部路径为时A B B B B,返回值为：

A B：如果merge_repeated = True.
A B B B B：如果merge_repeated = False.

参数：

    inputs：3-D float类型的 Tensor,大小为[max_time x batch_size x num_classes],是logits.
    sequence_length：1-D int32向量,包含序列长度,具有大小[batch_size].
    beam_width：int标量大于等于0(波束搜索波束宽度).
    top_paths：int标量大于等于0,小于等于beam_width(控制输出大小).
    merge_repeated：Boolean,默认值：True.

返回：

元组(decoded, log_probabilities),其中：top_paths长度的列表,其中decoded[j]是SparseTensor,它包含已解码的输出：

decoded[j].indices: Indices matrix (total_decoded_outputs[j] x 2),行存储：[batch, time].

decoded[j].values: Values vector, size (total_decoded_outputs[j]),向量存储波束 j 的解码类.

decoded[j].dense_shape: Shape vector, size (2),形状值为[batch_size, max_decoded_length[j]]

log_probability：一个浮点矩阵(batch_size x top_paths),包含序列对数概率.

举例：输出 decoded[0]会得到类似下面的这个结果，有indices和values，就类似一个稀疏矩阵，需要再解析得出我们需要的结果

SparseTensorValue(indices=array([[0, 0],
       [0, 1],
       [0, 2],
       [0, 3],
       [0, 4]]), values=array([17, 33, 30, 26, 30]), dense_shape=array([1, 5]))

decoded[0].indices #如下
[[0 0]
 [0 1]
 [0 2]
 [0 3]
 [0 4]]   
 decoded[0].values #如下
 [17 33 30 26 30]

解析函数如下：

DIGITS ="0123456789"

LETTERS ="ABCDEFGHJKLMNPQRSTUVWXYZ"

CHARS =list(DIGITS + LETTERS)

def decode_sparse_tensor(sparse_tensor):
    decoded_indexes = list()
    current_i = 0
    current_seq = []
    for offset, i_and_index in enumerate(sparse_tensor[0]):
        i = i_and_index[0]
        if i != current_i:
            decoded_indexes.append(current_seq)
            current_i = i
            current_seq = list()
        current_seq.append(offset)
    decoded_indexes.append(current_seq)
    result = []
    for index in decoded_indexes:
        result.append(decode_a_seq(index, sparse_tensor))
    return result

def decode_a_seq(indexes, spars_tensor):
    str_decoded = []
    for m in indexes:
        str_decoded.append(spars_tensor[1][m])
    return str_decoded

友情链接

TensorFlow函数教程：tf.nn.ctc_beam_search_decoder
tensorflow LSTM+CTC实现端到端的不定长数字串识别