论文地址：

https://www.cs.toronto.edu/~graves/icml_2006.pdf

为了对应这个图，我们假设一种符合的模型情况：

英文OCR，37个类别（26个小写字母+10个汉字+空格），最大输出长度8个字符

模型预测结果是8*37的大小，换句话说就是，预测出来了8个字符，每个字符的37个类别的概率。

这时候我们就可以填表了，表中每个圆圈都是概率值，第一行第一列的数值就是，字符1是类别空格的概率，第二行第一列的数值就是，字符1是类别a的概率。

合法路径不唯一；优化目标是最大化“所有合法路径概率的和”。

（一个合法路径就是一种预测结果为正确的情况，每一个合法路径上的概率相乘就是这个路径的概率。）

采用递归的方式计算这个概率和，递归表格中每个元素该怎么求，后续补充

优秀博客：

CTC Loss 数学原理讲解：Connectionist Temporal Classification-CSDN博客