如何在张量流顺序模型中添加CRF层？

我正在尝试在TensorFlow顺序模型中实现NER问题的CRF层。我不确定该怎么做。之前，当我实现CRF时，我使用了来自tensorflow作为后端的keras的CRF，即我在keras中创建了整个模型而不是tensorflow，然后将整个模型传递给了CRF。有效。

但是现在我想在Tensorflow中开发模型，因为tensorflow2.0.0 beta已经内置了keras，因此我试图构建一个顺序层，并在双向lstm层之后添加CRF层。尽管我不确定该怎么做。我在tensorflow-addons中浏览了CRF文档，它包含不同的功能，例如正向CRF等，但不确定如何将它们实现为一层吗？我想知道是否可以在顺序张量流模型中实现CRF层，还是我需要从头开始构建模型图然后使用CRF函数？任何人都可以帮我。预先感谢

在培训过程中：

您可以参考this API：

tfa.text.crf_log_likelihood(
inputs,tag_indices,sequence_lengths,transition_params=None
)


输入是一元电势（就像在逻辑回归中一样，您可以参考this answer），在这种情况下，它们是对数（通常不是softmax激活后的分布）功能）或BiLSTM编码器中每个字符的状态（上图中的P1，P2，P3，P4；）。

tag_indices是目标标签索引，而sequence_lengths代表批次中的序列长度。

transition_params是二进制电位（也是标记如何从一个时间步转换到下一个时间步），您可以自己创建矩阵，也可以让API为您完成。

在推理过程中：
您只需利用this API：

tfa.text.viterbi_decode(
score,transition_params
)


分数代表与训练中相同的输入（P1，P2，P3，P4状态），并且transition_params也在训练过程中进行训练。