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的序列转导 [Graves, 2012] 计算 RNN Transducer 损失。

RNN Transducer 损失通过定义所有长度的输出序列的分布，并联合建模输入-输出和输出-输出依赖关系，扩展了 CTC 损失。

参数:

• blank (int, 可选) – 空白标签 (默认值: -1)

• clamp (float, 可选) – 梯度钳制 (默认值: -1)

• reduction (string, 可选) – 指定应用于输出的 reduction: "none" | "mean" | "sum". (默认值: "mean")

• fused_log_softmax (bool) – 如果在损失之外调用 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 (Tensor) – 维度为 (batch, max seq length, max target length + 1, class) 的 Tensor，包含来自 joiner 的输出

• targets (Tensor) – 维度为 (batch, max target length) 的 Tensor，包含用零填充的目标

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

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

返回:

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

返回类型:

Tensor