自顶向下分析一个简单的语音识别系统（十）

接着上回结束的地方，本回我们来分析sparse_tuple_to_texts函数和ndarray_to_text函数。首先分析sparse_tuple_to_texts函数。

1.sparse_tuple_to_texts函数

给出代码如下：

def sparse_tuple_to_texts(tuple):
    indices = tuple[0]
    values = tuple[1]
    results = [''] * tuple[2][0]
    for i in range(len(indices)):
        index = indices[i][0]
        c = values[i]
        c = ' ' if c == SPACE_INDEX else chr(c + FIRST_INDEX)
        results[index] = results[index] + c
    # List of strings
    return results

由前文可知indices是一个[[a b][c d]]类型的数组（其中a、c表示第几个seq，b、d表示该seq中的第几个time_slice），values对应着所有seq的数值表示，tuple[2][0]为seq个数。result返回数据文件夹中test目录下标注文本的信息。

2.ndarray_to_text函数

这个函数很简单，只是将输入的数值型数组value转化为字符串输出，代码如下：

def ndarray_to_text(value):
    results = ''
    for i in range(len(value)):
        results += chr(value[i] + FIRST_INDEX)
    return results.replace('`', ' ')

至此，我们的语音识别系统的代码基本分析完了。但是细心的小伙伴可能已经想问了CTC loss是怎么定义的？AdamOptimizer又是怎么定义的？后文我们将对这两个部分进行相关说明。