Keras实现OCR时ctc_decode报错：Shape需为rank1却为rank2

你遇到的这个错误核心原因很明确：ctc_decode要求输入的序列长度张量是一维（rank 1），但你的input_x_widths是二维形状（(batch_size, 1)），这就导致了CTCGreedyDecoder的维度不匹配问题。

解决起来很简单，只需要在传入CTC相关函数前，把长度张量的多余维度压缩掉就行。我们可以用keras.backend.squeeze（因为是TensorFlow后端，也可以用tf.squeeze）来实现这一点，下面是具体的修改步骤：

1. 修正CTC损失函数中的长度张量维度 #

首先，你的ctc_lambda_func里同样需要处理长度张量的维度，不然损失计算也会有潜在问题：

def ctc_lambda_func(args):
    y_pred, y_true, input_x_width, input_y_width = args
    # 压缩长度张量的最后一个维度，从(batch_size,1)变为(batch_size,)
    input_x_width = keras.backend.squeeze(input_x_width, axis=-1)
    input_y_width = keras.backend.squeeze(input_y_width, axis=-1)
    return keras.backend.ctc_batch_cost(y_true, y_pred, input_x_width, input_y_width)

2. 修正ctc_decode中的长度张量维度 #

然后修改你代码中解码器的定义部分，对input_x_widths做维度压缩：

# ctc decoder - 修改这里的长度张量处理
top_k_decoded, _ = keras.backend.ctc_decode(
    y_pred, 
    keras.backend.squeeze(input_x_widths, axis=-1)  # 去掉多余的维度
)
self.decoder = keras.backend.function([input_x, input_x_widths], [top_k_decoded[0]])

为什么这样改？ #

Keras中Input([1])定义的输入会生成形状为(batch_size, 1)的二维张量，但CTC相关的函数（ctc_batch_cost和ctc_decode）要求长度张量是一维的——每个元素对应一个样本的序列长度，形状为(batch_size,)。通过squeeze操作去掉最后一个维度后，就完全符合函数的输入要求了。

内容的提问来源于stack exchange，提问作者gdforj