CTCLossLayer（CTC丢失层）

CTCLossLayer（CTC丢失层）[]

表示一个网络层，该网络层通过比较类概率向量序列与表示目标类的索引序列来计算连接主义时间分类损失。

详细信息和选项

示例

全部打开全部关闭

基本示例  （2）

创建一个CTCLossLayer（CTC丢失层）对象：

创建一个CTCLossLayer（CTC丢失层）其中所述输入是矩阵，所述矩阵的行是概率向量并且所述目标是索引的向量：

将其应用于输入和目标：

应用  (1)

训练一个网络，对图像中的字符向量进行分类。首先生成训练和测试数据，数据由单词图像和相应的单词字符串组成：

将数据集拆分为测试集和训练集：

拿一个随机抽样训练集的：

使用的字符列表：

解码器是光束大小为50的光束搜索解码器：

定义一个获取图像的网络，然后将宽度维度视为序列维度。生成一个矩阵，其行是宽度维度上的概率向量：

定义一个CTCLossLayer（CTC丢失层）带有字符网络编码器连接到目标端口：

使用CTC损失训练网络：

在测试集中的图像上评估经过训练的网络：

获取图像的前5个解码，以及每个解码的负对数可能性：

可能的问题  (1)

每个输入概率向量的大小不能为1：

Wolfram Research（2018），CTCLossLayer，Wolfram语言函数，https://reference.wolfram.com/language/ref/CTCLossLayer.html。

文本

Wolfram Research（2018），CTCLossLayer，Wolfram语言函数，https://reference.wolfram.com/language/ref/CTCLossLayer.html。

CMS公司

沃尔夫拉姆语言。2018年，“CTCLossLayer”，Wolfram语言与系统文档中心。Wolfram研究。https://reference.wolfram.com/language/ref/CTCLossLayer.html。

亚太地区

沃尔夫拉姆语言。（2018）。CTCLossLayer。Wolfram语言与系统文档中心。检索自https://reference.wolfram.com/language/ref/CTCLossLayer.html

BibTeX公司

@misc{reference.wolfram_2024_ctclosslayer，author=“wolfram Research”，title=“{ctclosslayer}”，year=“2018”，howpublished=“\url{https://reference.wolfram.com/language/ref/ctclosslayer.html}”]}

BibLaTeX公司

@online{reference.wolfram_2024_ctclosslayer，organization={wolfram Research}，title={ctclosslayer}，year={2018}，url={https://reference.wolfram.com/language/ref/ctclosslayer.html}，note=[访问时间：2024年6月8日]}