ctc_greedy_decoder¶

paddle.fluid.layers. ctc_greedy_decoder ( input, blank, name=None ) [源代码] ¶

该OP用于贪婪策略解码序列，步骤如下:

获取输入中的每一行的最大值索引，也就是numpy.argmax(input, axis=0)。
对于step1结果中的每个序列，合并两个空格之间的重复部分并删除所有空格。

该API支持两种输入，LoDTensor和Tensor输入，不同输入的代码样例如下：

样例：

# for lod tensor input
已知：

input.data = [[0.6, 0.1, 0.3, 0.1],
              [0.3, 0.2, 0.4, 0.1],
              [0.1, 0.5, 0.1, 0.3],
              [0.5, 0.1, 0.3, 0.1],

              [0.5, 0.1, 0.3, 0.1],
              [0.2, 0.2, 0.2, 0.4],
              [0.2, 0.2, 0.1, 0.5],
              [0.5, 0.1, 0.3, 0.1]]

input.lod = [[4, 4]]

计算过程：

1. 将argmax的运算结果应用于输入的第一个序列，即 input.data[0:4] 。
   则得出的结果为[[0], [2], [1], [0]]
2. 合并重复的索引值部分，删除空格，即为0的值。
   则第一个输入序列对应的输出为：[[2], [1]]

最后

output.data = [[2],
               [1],
               [3]]

output.lod = [[2, 1]]

# for tensor input
input.data = [[[0.6, 0.1, 0.3, 0.1],
        [0.3, 0.2, 0.4, 0.1],
        [0.1, 0.5, 0.1, 0.3],
        [0.5, 0.1, 0.3, 0.1]],

       [[0.5, 0.1, 0.3, 0.1],
        [0.2, 0.2, 0.2, 0.4],
        [0.2, 0.2, 0.1, 0.5],
        [0.5, 0.1, 0.3, 0.1]]]

input_length.data = [[4], [4]]
input.shape = [2, 4, 4]

step1: Apply argmax to first input sequence which is input.data[0:4]. Then we get:
    [[0], [2], [1], [0]], for input.data[4:8] is [[0], [3], [3], [0]], shape is [2,4,1]
step2: Change the argmax result to use padding mode, then argmax result is
        [[0, 2, 1, 0], [0, 3, 3, 0]], shape is [2, 4], lod is [], input_length is [[4], [4]]
step3: Apply ctc_align to padding argmax result, padding_value is 0

Finally:
output.data = [[2, 1, 0, 0],
               [3, 0, 0, 0]]
output_length.data = [[2], [1]]

参数:

input (Variable) — 变长序列的概率，在输入为LoDTensor情况下，它是具有LoD信息的二维LoDTensor。形状为[Lp，num_classes +1]，其中Lp是所有输入序列的长度之和，num_classes是真实的类数。在输入为Tensor情况下，它是带有填充的3-D张量，其形状为[batch_size，N，num_classes +1]。（不包括空白标签）。数据类型可以是float32或float64。
blank (int) — Connectionist Temporal Classification (CTC) loss空白标签索引, 其数值属于半开区间[0,num_classes + 1）
name (str) — (str|None，可选) – 该参数供开发人员打印调试信息时使用，具体用法请参见 Name ，默认值为None

返回：对于输入为LoDTensor的情况，返回CTC贪婪解码器的结果，即2-D LoDTensor，形状为[Lp，1]，数据类型为int64。 “ Lp”是所有输出序列长度的总和。如果结果中的所有序列均为空，则结果LoDTensor将为[-1]，其中LoD为[[]]。对于输入为Tensor的情况，返回一个元组，(output, output_length), 其中，output是一个形状为 [batch_size, N]，类型为int64的Tensor。output_length是一个形状为[batch_size, 1]，类型为int64的Tensor，表示Tensor输入下，每个输出序列的长度。

返回类型： Variable

代码示例

# for lod mode
import paddle.fluid as fluid
x = fluid.data(name='x', shape=[None, 8], dtype='float32', lod_level=1)
cost = fluid.layers.ctc_greedy_decoder(input=x, blank=0)
# for padding mode
x_pad = fluid.data(name='x_pad', shape=[10, 4, 8], dtype='float32')
x_pad_len = fluid.data(name='x_pad_len', shape=[10, 1], dtype='int64')
out, out_len = fluid.layers.ctc_greedy_decoder(input=x_pad, blank=0,
            input_length=x_pad_len)

PaddlePaddle

paddle.fluid / layers / ctc_greedy_decoder

ctc_greedy_decoder¶

PaddlePaddle

paddle

paddle.amp

paddle.callbacks

paddle.compat

paddle.distributed

paddle.distribution

paddle.fluid

paddle.io

paddle.jit

paddle.metric

paddle.nn

paddle.onnx

paddle.optimizer

paddle.regularizer

paddle.static

paddle.sysconfig

paddle.text

paddle.utils

paddle.vision

paddle.fluid / layers / ctc_greedy_decoder

ctc_greedy_decoder¶