TensorFlow OCR训练ctc_loss报No valid path found错误求解

错误根因 #

ctc_loss_calculator.h:499] No valid path found警告、损失为inf的核心原因是CTC损失的对齐规则不满足：CTC要求模型输出的时间步长度T必须大于等于「标签总长度L + 标签内连续重复字符的数量R」，否则不存在合法的对齐路径，损失直接返回inf。你之前标签长度≤10时满足该条件，标签长度提升到20后时间步长度不足，触发报错。

需修改的内容 #

• 调整骨干网络下采样率 #

  你现有网络的下采样倍率过高，导致输出时间步不足。如果需要支持最长20位的标签，至少要保证输出时间步T ≥ 40（预留2倍冗余兼容连续重复字符场景）。可修改网络结构：将部分stride=2的卷积/池化层的步长改为1，或者移除多余的下采样层，把整体下采样率控制在≤5的范围即可。
  如果需要支持任意长度n的标签，需要动态适配输入尺寸：根据当前批次的最长标签长度n，将输入图片的宽度缩放至≥10*n，保证输出时间步始终满足T≥2*n的要求。

• 修正CTC损失入参 #

  调用tf.nn.ctc_loss时要检查三个核心参数的正确性：
  • logit_length不要写死为固定值，要动态获取模型输出的时间步维度长度（模型输出shape为[batch_size, time_step, num_classes]时取第二维的值）
  • label_length要和实际传入的标签长度严格对齐，不要出现标签填充后长度和实际长度不一致的问题
  • 确认blank_index配置正确，默认值为0，字符集的第0位必须留给blank占位符，不要放置实际识别字符

• 调整标签预处理逻辑 #

  不要对超出原有长度阈值的标签做截断，保留完整标签；不要提前合并标签中的连续重复字符，CTC会自动处理重复字符的对齐逻辑，提前合并会导致标签长度计算错误。

• 调整训练超参数 #

  初始学习率调低30%~50%，避免前期模型输出混乱触发无合法路径问题；调整早停触发逻辑，前5个epoch出现inf损失时不要直接终止训练，等待模型迭代稳定后如果仍有inf报错再停止。

内容的提问来源于stack exchange，提问作者watch-this