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

  1. # using LoDTensor
  2. import paddle.fluid as fluid
  3. import numpy as np
  5. # lengths of logit sequences
  6. seq_lens = [2,6]
  7. # lengths of label sequences
  8. label_lens = [2,3]
  9. # class num
  10. class_num = 5
  12. logits = fluid.data(name='logits',shape=[None, class_num+1],
  13.                     dtype='float32',lod_level=1)
  14. label = fluid.data(name='label', shape=[None, 1],
  15.                    dtype='int32', lod_level=1)
  16. cost = fluid.layers.warpctc(input=logits, label=label)
  17. place = fluid.CPUPlace()
  18. x = fluid.create_lod_tensor(
  19.          np.random.rand(np.sum(seq_lens), class_num+1).astype("float32"),
  20.          [seq_lens], place)
  21. y = fluid.create_lod_tensor(
  22.          np.random.randint(0, class_num, [np.sum(label_lens), 1]).astype("int32"),
  23.          [label_lens], place)
  24. exe = fluid.Executor(place)
  25. output= exe.run(fluid.default_main_program(),
  26.                 feed={"logits": x,"label": y},
  27.                 fetch_list=[cost.name])
  28. print(output)
  1. # using Tensor
  2. import paddle.fluid as fluid
  3. import numpy as np
  5. # length of the longest logit sequence
  6. max_seq_length = 5
  7. # length of the longest label sequence
  8. max_label_length = 3
  9. # number of logit sequences
  10. batch_size = 16
  11. # class num
  12. class_num = 5
  13. logits = fluid.data(name='logits',
  14.                shape=[max_seq_length, batch_size, class_num+1],
  15.                dtype='float32')
  16. logits_length = fluid.data(name='logits_length', shape=[None],
  17.                  dtype='int64')
  18. label = fluid.data(name='label', shape=[batch_size, max_label_length],
  19.                dtype='int32')
  20. label_length = fluid.data(name='labels_length', shape=[None],
  21.                  dtype='int64')
  22. cost = fluid.layers.warpctc(input=logits, label=label,
  23.                 input_length=logits_length,
  24.                 label_length=label_length)
  25. place = fluid.CPUPlace()
  26. x = np.random.rand(max_seq_length, batch_size, class_num+1).astype("float32")
  27. y = np.random.randint(0, class_num, [batch_size, max_label_length]).astype("int32")
  28. exe = fluid.Executor(place)
  29. output= exe.run(fluid.default_main_program(),
  30.                 feed={"logits": x,
  31.                       "label": y,
  32.                       "logits_length": np.array([max_seq_length]*batch_size).astype("int64"),
  33.                       "labels_length": np.array([max_label_length]*batch_size).astype("int64")},
  34.                       fetch_list=[cost.name])
  35. print(output)