CTCLoss

class torch.nn.CTCLoss(blank=0, reduction='mean', zero_infinity=False)

连接时序分类损失。

计算连续（未分段）时间序列和目标序列之间的损失。CTCLoss 对输入到目标的可能对齐的概率求和，产生一个损失值，该损失值相对于每个输入节点可微。假设输入到目标的对齐方式为“多对一”，这限制了目标序列的长度，使其必须$\leq$输入长度。

参数

• blank (int, 可选) – 空白标签。默认$0$.

• reduction (str, 可选) – 指定要应用于输出的约简：'none' | 'mean' | 'sum'。 'none'：不应用任何约简，'mean'：输出损失将除以目标长度，然后取批次的平均值，'sum'：输出损失将求和。默认值：'mean'

• zero_infinity (bool, 可选) – 是否将无限损失和相关的梯度置零。默认值：False 无限损失主要发生在输入太短而无法与目标对齐时。

形状

• Log_probs: 形状为 $(T, N, C)$ 或 $(T, C)$ 的张量，其中 $T = \text{输入长度}$，$N = \text{批次大小}$，以及 $C = \text{类别数量（包括空白）}$。输出的对数概率（例如，使用 torch.nn.functional.log_softmax() 获得）。

• Targets: 形状为 $(N, S)$ 或 $(\operatorname{sum}(\text{target\_lengths}))$ 的张量，其中 $N = \text{批次大小}$ 以及 $S = \text{最大目标长度，如果形状为} (N, S)$。它表示目标序列。目标序列中的每个元素都是一个类别索引。并且目标索引不能是空白（默认值为 0）。在 $(N, S)$ 形式中，目标被填充到最长序列的长度，并进行堆叠。在 $(\operatorname{sum}(\text{target\_lengths}))$ 形式中，假设目标未填充，并在一个维度内连接。

• Input_lengths: 形状为 $(N)$ 或 $()$ 的元组或张量，其中 $N = \text{批次大小}$。它表示输入的长度（每个都必须 $\leq T$）。并且为每个序列指定长度，以在序列被填充到相同长度的假设下实现掩码。

• Target_lengths: 形状为 $(N)$ 或 $()$ 的元组或张量，其中 $N = \text{批次大小}$。它表示目标的长度。为每个序列指定长度，以在序列被填充到相同长度的假设下实现掩码。如果目标形状为 $(N,S)$，target_lengths 实际上是每个目标序列的停止索引 $s_n$，使得 target_n = targets[n,0:s_n] 适用于批次中的每个目标。长度必须每个都 $\leq S$ 如果目标作为 1d 张量给出，它是各个目标的连接，则 target_lengths 必须加起来等于张量的总长度。

• 输出：如果reduction为'mean'（默认）或'sum'，则为标量。如果reduction为'none'，则为$(N)$（如果输入是批处理的）或$()$（如果输入不是批处理的），其中$N = \text{batch size}$。

示例

>>> # Target are to be padded
>>> T = 50      # Input sequence length
>>> C = 20      # Number of classes (including blank)
>>> N = 16      # Batch size
>>> S = 30      # Target sequence length of longest target in batch (padding length)
>>> S_min = 10  # Minimum target length, for demonstration purposes
>>>
>>> # Initialize random batch of input vectors, for *size = (T,N,C)
>>> input = torch.randn(T, N, C).log_softmax(2).detach().requires_grad_()
>>>
>>> # Initialize random batch of targets (0 = blank, 1:C = classes)
>>> target = torch.randint(low=1, high=C, size=(N, S), dtype=torch.long)
>>>
>>> input_lengths = torch.full(size=(N,), fill_value=T, dtype=torch.long)
>>> target_lengths = torch.randint(low=S_min, high=S, size=(N,), dtype=torch.long)
>>> ctc_loss = nn.CTCLoss()
>>> loss = ctc_loss(input, target, input_lengths, target_lengths)
>>> loss.backward()
>>>
>>>
>>> # Target are to be un-padded
>>> T = 50      # Input sequence length
>>> C = 20      # Number of classes (including blank)
>>> N = 16      # Batch size
>>>
>>> # Initialize random batch of input vectors, for *size = (T,N,C)
>>> input = torch.randn(T, N, C).log_softmax(2).detach().requires_grad_()
>>> input_lengths = torch.full(size=(N,), fill_value=T, dtype=torch.long)
>>>
>>> # Initialize random batch of targets (0 = blank, 1:C = classes)
>>> target_lengths = torch.randint(low=1, high=T, size=(N,), dtype=torch.long)
>>> target = torch.randint(low=1, high=C, size=(sum(target_lengths),), dtype=torch.long)
>>> ctc_loss = nn.CTCLoss()
>>> loss = ctc_loss(input, target, input_lengths, target_lengths)
>>> loss.backward()
>>>
>>>
>>> # Target are to be un-padded and unbatched (effectively N=1)
>>> T = 50      # Input sequence length
>>> C = 20      # Number of classes (including blank)
>>>
>>> # Initialize random batch of input vectors, for *size = (T,C)
>>> input = torch.randn(T, C).log_softmax(1).detach().requires_grad_()
>>> input_lengths = torch.tensor(T, dtype=torch.long)
>>>
>>> # Initialize random batch of targets (0 = blank, 1:C = classes)
>>> target_lengths = torch.randint(low=1, high=T, size=(), dtype=torch.long)
>>> target = torch.randint(low=1, high=C, size=(target_lengths,), dtype=torch.long)
>>> ctc_loss = nn.CTCLoss()
>>> loss = ctc_loss(input, target, input_lengths, target_lengths)
>>> loss.backward()

参考文献

A. Graves 等人：连接主义时间分类：使用循环神经网络标记未分割序列数据：https://www.cs.toronto.edu/~graves/icml_2006.pdf

注意

为了使用 CuDNN，必须满足以下条件：targets必须采用连接格式，所有input_lengths必须为T。$blank=0$，target_lengths $\leq 256$，整数参数的数据类型必须为torch.int32。

常规实现使用（在 PyTorch 中更常见）torch.long 数据类型。

注意

在某些情况下，当使用带有 CuDNN 的 CUDA 后端时，此运算符可能会选择非确定性算法来提高性能。如果这是不可取的，您可以尝试通过设置torch.backends.cudnn.deterministic = True来使操作确定性（可能会以性能为代价）。有关背景信息，请参阅有关可重复性的说明。