比较与tf.nn.ctc_greedy_decoder的功能差异

tf.nn.ctc_greedy_decoder

tf.nn.ctc_greedy_decoder(
    inputs,
    sequence_length,
    merge_repeated=True,
    blank_index=None
)(decoded, neg_sum_logits) -> Tuple

更多内容详见tf.nn.ctc_greedy_decoder。

mindspore.ops.ctc_greedy_decoder

mindspore.ops.ctc_greedy_decoder(
    inputs,
    sequence_length,
    merge_repeated=True
)(decoded_indices, decoded_values, decoded_shape, log_probability) -> Tuple

更多内容详见mindspore.ops.ctc_greedy_decoder。

差异对比

TensorFlow：对输入中给定的logits执行贪婪解码，返回一个由SparseTesnor和float矩阵组成的tuple，其中，SparseTesnor包含3个密集张量，它们为：indices、values、dense_shape。

MindSpore：MindSpore此API实现功能与TensorFlow一致，部分参数名不同，且返回参数不同。

分类	子类	TensorFlow	MindSpore	差异
参数	参数1	inputs	inputs	-
	参数2	sequence_length	sequence_length	-
	参数3	merge_repeated	merge_repeated	-
	参数4	blank_index	-	定义用于空白标签的类索引，Tensorflow默认值为None，此时该算子和MindSpore用法一致。
返回参数	参数5	decoded	decoded_indices, decoded_values, decoded_shape	TensorFlow的decoded为SparseTesnor，包含三个密集张量，为indices、values、dense_shape，对应MindSpore的decoded_indices 、decoded_values 、decoded_shape三个输出。
	参数6	neg_sum_logits	log_probability	功能一致，参数名不同

代码示例1

MindSpore和TensorFlow输出结果一致。

# TensorFlow
import tensorflow as tf
import numpy as np

inputs = tf.constant(np.array([[[0.6, 0.4, 0.2], [0.8, 0.6, 0.3]],[[0.0, 0.6, 0.0], [0.5, 0.4, 0.5]]]), dtype=tf.float32)
seq_lens = tf.constant([2, 2])
output = tf.nn.ctc_greedy_decoder(inputs, seq_lens)

print(output[0][0])
# SparseTensor(indices=tf.Tensor(
# [[0 0]
#  [0 1]
#  [1 0]], shape=(3, 2), dtype=int64), values=tf.Tensor([0 1 0], shape=(3,), dtype=int64), dense_shape=tf.Tensor([2 2], shape=(2,), dtype=int64))

print(output[1].numpy())
# [[-1.2]
#  [-1.3]]

# MindSpore
import mindspore
import numpy as np
from mindspore.ops.function import nn_func as ops
from mindspore import Tensor

inputs = Tensor(np.array([[[0.6, 0.4, 0.2], [0.8, 0.6, 0.3]],

                          [[0.0, 0.6, 0.0], [0.5, 0.4, 0.5]]]), mindspore.float32)
sequence_length = Tensor(np.array([2, 2]), mindspore.int32)
decoded_indices, decoded_values, decoded_shape, log_probability = ops.ctc_greedy_decoder(inputs, sequence_length)
print(decoded_indices)
# [[0 0]
#  [0 1]
#  [1 0]]
print(decoded_values)
# [0 1 0]
print(decoded_shape)
# [2 2]
print(log_probability)
# [[-1.2]
#  [-1.3]]