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方式的概率求和，产生一个损失值，该值相对于每个输入节点是可微分的。输入到目标的对齐被假定为“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) – 指定应用于输出的缩减方式：'none' | 'mean' | 'sum'。'none'：不应用缩减；'mean'：输出损失将除以目标长度，然后取批次的平均值；'sum'：输出损失将被求和。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。当输入太短而无法与目标对齐时，主要会发生无限损失。

形状

• Log_probs: 大小为 $(T, N, C)$ 或 $(T, C)$ 的张量，其中 $T = \text{input length}$, $N = \text{batch size}$, 并且 $C = \text{number of classes (including blank)}$。输出的对数概率（例如，通过 torch.nn.functional.log_softmax() 获得）。

• Targets: 大小为 $(N, S)$ 或 $(\operatorname{sum}(\text{target\_lengths}))$ 的张量，其中 $N = \text{batch size}$ 并且 $S = \text{max target length, if shape is } (N, S)$。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=0）。在 $(N, S)$ 形式中，目标被填充到最长序列的长度并堆叠。在 $(\operatorname{sum}(\text{target\_lengths}))$ 形式中，目标被假定为未填充并在 1 维中连接。

• Input_lengths: 大小为 $(N)$ 或 $()$ 的元组或张量，其中 $N = \text{batch size}$。它表示输入的长度（每个长度必须 $\leq T$）。并且为每个序列指定长度，以实现掩码，假设序列被填充到相等的长度。

• Target_lengths: 大小为 $(N)$ 或 $()$ 的元组或张量，其中 $N = \text{batch size}$。它表示目标的长度。为每个序列指定长度，以实现掩码，假设序列被填充到相等的长度。如果目标形状为 $(N,S)$，则 target_lengths 实际上是每个目标序列的停止索引 $s_n$，使得每个批次中的每个目标的 target_n = targets[n,0:s_n]。长度必须都 $\leq S$。如果目标以 1 维张量的形式给出，即各个目标的连接，则 target_lengths 的总和必须等于张量的总长度。

• 输出：如果 reduction 为 'mean' （默认）或 'sum'，则为标量。如果 reduction 为 'none'，则如果输入是批处理的，则为 $(N)$，如果输入是非批处理的，则为 $()$，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

A. Graves 等人：《连接时序分类：使用循环神经网络标记未分段序列数据》：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 $\leq 256$，整数参数必须为 dtype torch.int32。

常规实现使用（在 PyTorch 中更常见的）torch.long dtype。

注意

在某些情况下，当将 CUDA 后端与 CuDNN 一起使用时，此运算符可能会选择非确定性算法以提高性能。如果这是不希望的，您可以尝试通过设置 torch.backends.cudnn.deterministic = True 使操作具有确定性（可能会降低性能）。有关背景信息，请参阅关于 可重复性 的注释。