warpctc
paddle.fluid.layers.warpctc
(input, label, blank=0, norm_by_times=False, input_length=None, label_length=None)[源代码]
该OP用于计算 CTC loss 。该OP的底层调用了第三方 baidu-research::warp-ctc 的实现。
参数
- input (Variable) - 可以是3-D Tensor或2-D LoDTensor。当输入类型是3-D Tensor时,则表示输入是经过padding的定长序列,其 shape 必须是
[seq_length, batch_size, num_classes + 1]
。当输入类型是2-D LoDTensor时,则表示输入为变长序列,其shape必须为[Lp,num_classes+1]
,Lp
是所有输入序列长度之和。以上 shape 中的num_classes
是实际类别数,不包括空白标签。该输入不需要经过 softmax 操作,因为该OP的内部对input
做了 softmax 操作。数据类型仅支持float32。- label (Variable) - 可以是3-D Tensor或2-D LoDTensor,需要跟
input
保持一致。当输入类型为3-D Tensor时,表示输入是经过 padding 的定长序列,其 shape 为[batch_size, label_length]
,其中,label_length
是最长的 label 序列的长度。当输入类型是2-D LoDTensor时,则表示输入为变长序列,其shape必须为[Lp, 1]
, 其中Lp
是所有 label 序列的长度和。label
中的数值为字符ID。数据类型支持int32。- blank (int,可选) - 空格标记的ID,其取值范围为
[0,num_classes+1)
。数据类型支持int32。缺省值为0。- norm_by_times (bool,可选) - 是否根据序列长度对梯度进行正则化。数据类型支持 bool 。缺省值为False。
- input_length (Variable) - 必须是1-D Tensor。仅在输入为定长序列时使用,表示输入数据中每个序列的长度,shape为
[batch_size]
。数据类型支持int64。默认为None。- label_length (Variable) - 必须是1-D Tensor。仅在label为定长序列时使用,表示 label 中每个序列的长度,shape为
[batch_size]
。数据类型支持int64。默认为None。
返回
Shape为[batch_size,1]的2-D Tensor,表示每一个序列的CTC loss。数据类型与 input
一致。
返回类型
Variable
代码示例
# using LoDTensor
import paddle.fluid as fluid
import numpy as np
# lengths of logit sequences
seq_lens = [2,6]
# lengths of label sequences
label_lens = [2,3]
# class num
class_num = 5
logits = fluid.data(name='logits',shape=[None, class_num+1],
dtype='float32',lod_level=1)
label = fluid.data(name='label', shape=[None, 1],
dtype='int32', lod_level=1)
cost = fluid.layers.warpctc(input=logits, label=label)
place = fluid.CPUPlace()
x = fluid.create_lod_tensor(
np.random.rand(np.sum(seq_lens), class_num+1).astype("float32"),
[seq_lens], place)
y = fluid.create_lod_tensor(
np.random.randint(0, class_num, [np.sum(label_lens), 1]).astype("int32"),
[label_lens], place)
exe = fluid.Executor(place)
output= exe.run(fluid.default_main_program(),
feed={"logits": x,"label": y},
fetch_list=[cost.name])
print(output)
# using Tensor
import paddle.fluid as fluid
import numpy as np
# length of the longest logit sequence
max_seq_length = 5
# length of the longest label sequence
max_label_length = 3
# number of logit sequences
batch_size = 16
# class num
class_num = 5
logits = fluid.data(name='logits',
shape=[max_seq_length, batch_size, class_num+1],
dtype='float32')
logits_length = fluid.data(name='logits_length', shape=[None],
dtype='int64')
label = fluid.data(name='label', shape=[batch_size, max_label_length],
dtype='int32')
label_length = fluid.data(name='labels_length', shape=[None],
dtype='int64')
cost = fluid.layers.warpctc(input=logits, label=label,
input_length=logits_length,
label_length=label_length)
place = fluid.CPUPlace()
x = np.random.rand(max_seq_length, batch_size, class_num+1).astype("float32")
y = np.random.randint(0, class_num, [batch_size, max_label_length]).astype("int32")
exe = fluid.Executor(place)
output= exe.run(fluid.default_main_program(),
feed={"logits": x,
"label": y,
"logits_length": np.array([max_seq_length]*batch_size).astype("int64"),
"labels_length": np.array([max_label_length]*batch_size).astype("int64")},
fetch_list=[cost.name])
print(output)