CTCLossV2

کلاس نهایی عمومی CTCLossV2

CTC Loss (احتمال ورود به سیستم) را برای هر ورودی دسته محاسبه می کند. همچنین محاسبه می کند

گرادیان این کلاس عملیات softmax را برای شما انجام می دهد، بنابراین ورودی ها باید به عنوان مثال پیش بینی خطی خروجی ها توسط یک LSTM باشد.

کلاس CTCLossV2.Options ویژگی های اختیاری برای CTCLossV2

رشته OP_NAME نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود

استاتیک CTCLossV2	ایجاد ( دامنه ، عملوند < TFloat32 > ورودی‌ها، عملوند < TINT64 > labelsIndices، عملوند < TINT32 > labelsValues، عملوند < TInt32 > sequenceLength، گزینه‌ها... گزینه‌ها) روش کارخانه برای ایجاد کلاسی که یک عملیات جدید CTCLossV2 را بسته بندی می کند.
استاتیک CTCLossV2.Options	ctcMergeRepeated (Boolean ctcMergeRepeated)
خروجی < TFloat32 >	شیب () گرادیان «از دست دادن».
استاتیک CTCLossV2.Options	ignoreLongerOutputsThanInputs (بولی ignoreLongerOutputsThanInputs)
خروجی < TFloat32 >	ضرر - زیان () بردار (دسته ای) حاوی log-احتمالات.
استاتیک CTCLossV2.Options	preprocessCollapseRepeated (پیش پردازش بولی CollapseRepeated)

بولی نهایی	برابر است (object obj)
بین المللی نهایی	هش کد ()
عمل	عملیات () این واحد محاسبه را به عنوان یک `Operation` واحد برگردانید.
رشته نهایی	toString ()

از کلاس java.lang.Object

چکیده Execution Environment	env () محیط اجرایی را که این عملیات در آن ایجاد شده است برگردانید.
عملیات انتزاعی	عملیات () این واحد محاسبه را به عنوان یک `Operation` واحد برگردانید.

ثابت ها

نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود

مقدار ثابت: "CTCLossV2"

روش کارخانه برای ایجاد کلاسی که یک عملیات جدید CTCLossV2 را بسته بندی می کند.

محدوده	محدوده فعلی
ورودی ها	3-بعدی، شکل: «(حداکثر_زمان x دسته_اندازه x تعداد_کلاس ها)"، logits. برچسب خالی پیش‌فرض 0 به جای num_classes - 1 است.
labelsشاخص ها	شاخص های یک `SparseTensor `. `labels_indices(i, :) == [b, t]` به این معنی است که "labels_values(i)" شناسه را برای "(دسته b، زمان t)" ذخیره می کند.
labelsValues	مقادیر (برچسب ها) مرتبط با دسته و زمان داده شده.
طول دنباله	بردار حاوی طول های دنباله ای (بچ).
گزینه ها	مقادیر ویژگی های اختیاری را حمل می کند

ctcMergeRepeated	اسکالر. اگر روی false تنظیم شود، در طول محاسبه CTC، برچسب‌های غیر خالی مکرر ادغام نمی‌شوند و به عنوان برچسب‌های جداگانه تفسیر می‌شوند. این یک نسخه ساده شده از CTC است.

گرادیان «از دست دادن». 3-بعدی، شکل: «(حداکثر_زمان x دسته_اندازه x تعداد_کلاس ها)".

نادیده گرفتن Longer Outputs ThanInputs	اسکالر. اگر روی درست تنظیم شود، در طول محاسبه CTC، مواردی که دنباله‌های خروجی طولانی‌تری نسبت به دنباله‌های ورودی دارند نادیده گرفته می‌شوند: آن‌ها به مدت ضرر کمک نمی‌کنند و دارای گرادیان صفر هستند.

بردار (دسته ای) حاوی log-احتمالات.

preprocessCollapseRepeated	اسکالر، اگر درست باشد، برچسب های مکرر قبل از محاسبه CTC جمع می شوند.