ctc_greedy_decoder

    该OP用于贪婪策略解码序列，步骤如下:

    1. 获取输入中的每一行的最大值索引，也就是numpy.argmax(input, axis=0)。

    2. 对于step1结果中的每个序列，合并两个空格之间的重复部分并删除所有空格。

    样例：

    参数:

    • input (Variable) — 变长序列的概率， 在输入为LoDTensor情况下，它是具有LoD信息的二维LoDTensor。 形状为[Lp，num_classes +1]，其中Lp是所有输入序列的长度之和，num_classes是真实的类数。 在输入为Tensor情况下，它是带有填充的3-D张量，其形状为[batch_size，N，num_classes +1]。 （不包括空白标签）。 数据类型可以是float32或float64。

    返回：对于输入为LoDTensor的情况，返回CTC贪婪解码器的结果，即2-D LoDTensor，形状为[Lp，1]，数据类型为int64。 “ Lp”是所有输出序列长度的总和。 如果结果中的所有序列均为空，则结果LoDTensor将为[-1]，其中LoD为[[]]。对于输入为Tensor的情况，返回一个元组，(output, output_length), 其中，output是一个形状为 [batch_size, N]，类型为int64的Tensor。output_length是一个形状为[batch_size, 1]，类型为int64的Tensor，表示Tensor输入下，每个输出序列的长度。

    返回类型： Variable

    1. # for lod mode
    2. import paddle.fluid as fluid
    4. cost = fluid.layers.ctc_greedy_decoder(input=x, blank=0)
    6. x_pad_len = fluid.data(name='x_pad_len', shape=[10, 1], dtype='int64')
    7. out, out_len = fluid.layers.ctc_greedy_decoder(input=x_pad, blank=0,