在 TensorFlow CTC（语言模型）中使用自定义光束评分器
Using custom beam scorer in TensorFlow CTC (language model)
是否可以从 Python 端自定义 TensorFlow CTC 实施中的波束评分器？我在 CTCBeamSearchDecoder C++ class 构造函数的评论中看到了这种可能性，但想知道如何为 Python 用户提供此功能？
我们遇到的具体问题是将语言模型插入基于 CTC 的语音解码器。语言模型可以是预训练的 TensorFlow 子图，能够输出波束分数调整的概率。但我们需要一种方法将其注入光束得分器。
Python 目前没有 API 可以将语言模型与自定义记分器一起使用。欢迎贡献，但在 Python API 中实现这一点存在一些困难，因为它需要 运行 在解码器操作内的独立会话中设置 TF LM 子图，并且这些不会很好地融合在一起。
最简单的方法是在 C++ 中，并且需要扩展 BaseBeamScorer class 和 BeamState（类似于在测试中可以看到的）以及进一步 运行 CTCBeamSearchDecoder::Decode在通常进入 ctc_beam_search_decoder op.
的张量流图的输出之上
通过这样做，您的 BeamScorer 实现可以利用您手头的任何语言模型，并且在将波束从一种状态扩展到另一种状态时只需要 return 适当的分数。
是否可以从 Python 端自定义 TensorFlow CTC 实施中的波束评分器？我在 CTCBeamSearchDecoder C++ class 构造函数的评论中看到了这种可能性，但想知道如何为 Python 用户提供此功能？
我们遇到的具体问题是将语言模型插入基于 CTC 的语音解码器。语言模型可以是预训练的 TensorFlow 子图，能够输出波束分数调整的概率。但我们需要一种方法将其注入光束得分器。
Python 目前没有 API 可以将语言模型与自定义记分器一起使用。欢迎贡献，但在 Python API 中实现这一点存在一些困难，因为它需要 运行 在解码器操作内的独立会话中设置 TF LM 子图，并且这些不会很好地融合在一起。
最简单的方法是在 C++ 中，并且需要扩展 BaseBeamScorer class 和 BeamState（类似于在测试中可以看到的）以及进一步 运行 CTCBeamSearchDecoder::Decode在通常进入 ctc_beam_search_decoder op.
的张量流图的输出之上通过这样做，您的 BeamScorer 实现可以利用您手头的任何语言模型，并且在将波束从一种状态扩展到另一种状态时只需要 return 适当的分数。