Pytoch CTC

本文探讨了CTC(Connectionist Temporal Classification)原理,并指出在使用PyTorch和百度实现的CTC时遇到的问题。在PyTorch 1.1.0下,基于Synth90K训练的模型在IIIT5K上的精度仅为64%,远低于预期。此外,PyTorch中不同版本的CTC实现存在精度和结果一致性问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

背景

关于CTC 原理的介绍可参考 Sequence Modeling With CTC. 主要采用动态规划算法实现
在这里插入图片描述

Issue

GitHub issue

目前比较广泛使用的CTC 有两个,一个是百度实现的wrap ctc, 另一个则是由pytorch 实现。
对于百度实现的CTC(在pytorch 1.1.0下编译), 在我的实验中,使用Synth90K 训练,在IIIT5K上只能达到64%左右的精度,与论文有很大的差距,说明还是有问题。
当使用pytorch 中CTC 时,目前CTC实现还是有问题,体现在版本不同结果不一致,精度不一致。
1.2.0 中使用下面代码[a]

#criterion / preds / text / pred_size / length are cuda tensor
torch.backends
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值