如何避免在 Tensorflow 2 中为 CTC 损失 model 定义目标张量？

Question

我正在尝试在 Tensorflow 2 中使用 tf.distribute.MirroredStrategy() 进行多 GPU 训练，在 model 上进行 CTC 损失。

问题是 model 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并在不定义 target_tensors 的情况下编译 model？

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

model 是使用 Keras 功能 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])

model 必须编译为：

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

model 有 2 个输出，但是第二个使用的 CTC 损耗导致了问题。

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 model 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。