tf.nn.ctc_loss在cnn+ctc网络中的应用

Question

最近，我尝试使用tensorflow来实现基于文章cnn+ctc的https://arxiv.org/pdf/1701.02720.pdf网络。

我尝试将分批光谱图数据(形状：( 10,120,155，3)，batch_size为10)输入到10个卷积层和3个完全连接层。因此，连接ctc层之前的输出是2d数据(形状：(10,1024))。

这是我的问题:我想在tensorflow库中使用tf.nn.ctc_loss函数，但是它生成输入形状为：？，1024，3的ValueError:维度必须是2，但对于“Transpose”(op：‘Transpose’)来说是3。

我猜这个错误与我的2d输入数据的维数有关。ctc_loss函数在tensorflow官方站点中的描述需要一个带有形状的3d输入(batch_size X max_time X num_classes)。

那么，“num_classes”的额外维度是什么？应该如何更改cnn+fc输出数据的形状？

Answer 1

每个时间步骤都要应用完全连接的层。这就像在递归神经网络中每一时间步长使用相同的稠密层。对于卷积层的输出，时间步长为宽度。

因此，例如，输出形状是：

1. 卷积：(10,120,155,3) =(批次，高度，宽度，通道)
2. 扁平：(10,155,120*3) =(批处理，max_time，特性)
3. 完全连接：(10,155,1024)，(每一时间步施加相同的致密层)
4. (10,155，num_classes)

这是预计的形状，ctc_loss在丹苏尔流。