如何在正确的维度中使用mxnet warpctc

Question

FC = mx.sym.FullyConnected(data=x_3,flatten=False, num_hidden=n_class)
x = mx.sym.softmax(data=FC)

sm_label = mx.sym.Reshape(data=label, shape=(-1,))
sm_label = mx.sym.Cast(data = sm_label, dtype = ‘int32’)
sm = mx.sym.WarpCTC(data=x, label=sm_label, label_length =n_len ,
input_length =rnn_length )

我的x层的形状[（32L，35L，27L）]（bacthsize，input_lenth，n_class）
label的形状[（32L，21L）]（batchsize，label_lenth）
warpctc
simple_bind错误。
参数：
数据：（32,1L，32L，286L）
标签：（32,21L）
运算符warpctc48出错：形状不一致，提供= [672]，推断形状= [0,1]

我该怎么办？

Answer 1

MXNet repo有一个WarpCTC示例here。您可以使用python lstm_ocr_train.py --gpu 1 --num_proc 4 --loss warpctc font/Ubuntu-M.ttf运行培训。在该示例中，以下是与WarpCTC运算符一起使用的预测和标签的形状：

Prediction is (10240, 11)
Label is (512,)

label_length: 4
input_length: 80

batch_size = 128
seq_length = 80

在上述情况下，

• 预测是（batch_size * seq_length，n_class）。
• 标签是（batch_size * label_length，）。

按照示例的说明，我建议在预测形状中调用WarpCTC =（1120,27），标签形状=（672，），label_length = 21，输入长度= 35。