codecamp

TensorFlow函数教程:tf.keras.backend.ctc_decode

tf.keras.backend.ctc_decode函数

tf.keras.backend.ctc_decode(
    y_pred,
    input_length,
    greedy=True,
    beam_width=100,
    top_paths=1
)

定义在:tensorflow/python/keras/backend.py。

解码softmax的输出。

可以使用贪婪搜索(也称为最佳路径)或约束字典搜索。

参数:

  • y_pred:张量(samples, time_steps, num_categories) 包含预测值,或softmax的输出。
  • input_length:张量(samples, )包含y_pred中每个批处理项的序列长度。
  • greedy:如果为true,执行更快的最佳路径搜索    。这不使用字典。
  • beam_width:如果greedy为false:将使用该宽度的 beam 搜索解码器搜索。
  • top_paths:如果greedy为false,将返回多少最可能的路径。

返回:

  • Tuple:
  • List:如果greedy为true,则返回包含已解码序列的一个元素的列表。如果为false,则返回top_paths最可能的解码序列。
  • Important:空白标签返回为-1。张量(top_paths, )包含每个解码序列的对数概率。
TensorFlow函数教程:tf.keras.backend.ctc_batch_cost
TensorFlow函数教程:tf.keras.backend.ctc_label_dense_to_sparse
温馨提示
下载编程狮App,免费阅读超1000+编程语言教程
取消
确定
目录

TensorFlow 函数介绍

TensorFlow 函数模块:tf

TensorFlow的image模块

TensorFlow使用之tf.io

TensorFlow使用之tf.keras

TensorFlow函数教程:tf.keras.applications

TensorFlow函数教程:tf.keras.backend

TensorFlow使用之tf.metrics

TensorFlow使用之tf.nn

TensorFlow使用之tf.python_io

TensorFlow 功能函数

关闭

MIP.setData({ 'pageTheme' : getCookie('pageTheme') || {'day':true, 'night':false}, 'pageFontSize' : getCookie('pageFontSize') || 20 }); MIP.watch('pageTheme', function(newValue){ setCookie('pageTheme', JSON.stringify(newValue)) }); MIP.watch('pageFontSize', function(newValue){ setCookie('pageFontSize', newValue) }); function setCookie(name, value){ var days = 1; var exp = new Date(); exp.setTime(exp.getTime() + days*24*60*60*1000); document.cookie = name + '=' + value + ';expires=' + exp.toUTCString(); } function getCookie(name){ var reg = new RegExp('(^| )' + name + '=([^;]*)(;|$)'); return document.cookie.match(reg) ? JSON.parse(document.cookie.match(reg)[2]) : null; }