如何避免在 Tensorflow 2 中為 CTC 損失 model 定義目標張量？

Question

我正在嘗試在 Tensorflow 2 中使用 tf.distribute.MirroredStrategy() 進行多 GPU 訓練，在 model 上進行 CTC 損失。

問題是 model 需要定義 target_tensors 才能編譯。 這可能是什么原因？ 是否有一些解決方法並在不定義 target_tensors 的情況下編譯 model？

如果我沒有通過目標，我會得到以下結果：

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 定義的，方法如下：

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

model 必須編譯為：

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

model 有 2 個輸出，但是第二個使用的 CTC 損耗導致了問題。

Answer 1

這是通過使用 tf-nightly 版本解決的。

Tf-nightly 不允許在急切執行模式下使用 target_tensors。 使用夜間版本，我的 model 在沒有目標張量的情況下成功編譯（實現沒有變化），所以問題解決了。