RNNTLoss

class torchaudio.transforms.RNNTLoss(blank: int = -1, clamp: float = -1.0, reduction: str = 'mean', fused_log_softmax: bool = True)

从 使用循环神经网络进行序列转导 [Graves, 2012] 计算 RNN 转导损失。

RNN 转导损失通过定义所有长度的输出序列的分布，以及通过联合建模输入-输出和输出-输出依赖关系来扩展 CTC 损失。

参数：

• blank (int, 可选) – 空白标签（默认值：-1）

• clamp (float, 可选) – 梯度钳位（默认值：-1）

• reduction (字符串, 可选) – 指定要应用于输出的减少："none" | "mean" | "sum"。（默认值："mean"）

• fused_log_softmax (bool) – 如果在损失外部调用 log_softmax 则设置为 False（默认值：True）

示例

>>> # Hypothetical values
>>> logits = torch.tensor([[[[0.1, 0.6, 0.1, 0.1, 0.1],
>>>                          [0.1, 0.1, 0.6, 0.1, 0.1],
>>>                          [0.1, 0.1, 0.2, 0.8, 0.1]],
>>>                         [[0.1, 0.6, 0.1, 0.1, 0.1],
>>>                          [0.1, 0.1, 0.2, 0.1, 0.1],
>>>                          [0.7, 0.1, 0.2, 0.1, 0.1]]]],
>>>                       dtype=torch.float32,
>>>                       requires_grad=True)
>>> targets = torch.tensor([[1, 2]], dtype=torch.int)
>>> logit_lengths = torch.tensor([2], dtype=torch.int)
>>> target_lengths = torch.tensor([2], dtype=torch.int)
>>> transform = transforms.RNNTLoss(blank=0)
>>> loss = transform(logits, targets, logit_lengths, target_lengths)
>>> loss.backward()

forward(logits: Tensor, targets: Tensor, logit_lengths: Tensor, target_lengths: Tensor)

参数：

• logits (张量) – 维度为 (batch, max seq length, max target length + 1, class) 的张量，包含来自连接器的输出

• targets (张量) – 维度为 (batch, max target length) 的张量，包含零填充的目标

• logit_lengths (张量) – 维度为 (batch) 的张量，包含来自编码器的每个序列的长度

• target_lengths (张量) – 维度为 (batch) 的张量，包含每个序列的目标长度

返回值：

应用了减少选项的损失。如果 reduction 为 "none"，则大小为 (batch)，否则为标量。

返回类型：

张量