CTCLoss¶
- class torch.nn.CTCLoss(blank=0, reduction='mean', zero_infinity=False)[source]¶
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,使其必须输入长度。
- 参数
- 形状
Log_probs: 形状为 或 的张量,其中 ,,以及 。输出的对数概率(例如,使用
torch.nn.functional.log_softmax()
获得)。Targets: 形状为 或 的张量,其中 以及 。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 形式中,目标被填充到最长序列的长度,并进行堆叠。在 形式中,假设目标未填充,并在一个维度内连接。
Input_lengths: 形状为 或 的元组或张量,其中 。它表示输入的长度(每个都必须 )。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 或 的元组或张量,其中 。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 ,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 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(如果输入是批处理的)或(如果输入不是批处理的),其中。
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。,target_lengths
,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。