python - 如何避免在 Tensorflow 2 中为 CTC 损失模型定义目标张量？

Question

我正在尝试在具有 CTC 损失的模型上使用 tf.distribute.MirroredStrategy() 在 Tensorflow 2 中进行多 GPU 训练。

问题是模型需要定义 target_tensors 才能编译。这可能是什么原因？是否有一些解决方法和编译模型而不定义 target_tensors？

如果我没有通过目标，我会得到以下结果：

TypeError: Value passed to parameter 'indices' has DataType float32 not in list of allowed values: uint8, int32, int64

该模型是使用 Keras 函数式 API 定义的，方法如下：

model = Model(name ='Joined_Model_2',inputs=self.inp, outputs=[self.network.outp, self.network.outp_stt])

模型必须编译为：

self.model_joined.compile(optimizer=optimizer_stt,
            loss=losses,
            loss_weights= lossWeights,
            target_tensors=[target1, target2]                      
            )

该模型有 2 个输出，但在第二个输出上使用的 CTC 损失导致了问题。

Answer 1

这是通过使用 tf-nightly 版本解决的。

Tf-nightly 不允许在急切执行模式下使用 target_tensors。使用夜间版本，我的模型在没有目标张量的情况下成功编译（实现没有变化），所以问题解决了。