最近经常出现一个错误，在模型训练的时候loss：inf，如果出现的不多的话还是可以接受的，但是一旦这个大量出现，模型就不能训练了，损失也很难收敛，所以今天我终于把这个问题解决了，写下来表示分享。
经过分析，是输入长度和标签长度之间的问题，网上说要求输入长度要大于标签长度，我看了一下我的输入长度13，标签长度10，符合要求，但是依然出现错误，我换了一个模型之后输入长度14，标签长度10，问题消失，得出结论，输入长度要高于标签长度一部分，至于高出多少，应该考虑识别的字符串中重复并且相邻的字符数，简单来说就是尽量的多一些吧，目前没有分析增加输入长度对性能的影响，至少肉眼感觉不出来，但是影响性能是肯定的。
下面说怎么增加输入长度，我们知道用CTCloss的时候需要有四个输入，分别如下：
后两个参数就是输入长度和标签长度，标签长度肯定是没法改的，这个需求是固定的，所以只能改input_length，后来我发现input_length是和网络结构相关的，如图:
可以看到，基础网络传入CTC中的尺寸是（15,37），这个15和我们的input_length就有关系了，我这里input_length=15-2（我也没搞懂为啥减2），37代表的是我识别的36个字符和一个空格，这个时候我只需要增加15这个数就好了，所以我在前边增加了一个Reshape层，如图：
经过Reshape之后变成了30，这样我们再看CTCloss部分:
这里的输入尺寸变成了(30,37)，input_length变成了28，label依然是10，错误没有了，又可以浪了。
