快捷方式

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\leq输入长度。

参数
  • blank (int, 可选) – 空白标签。默认00.

  • 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)(T, N, C)(T,C)(T, C) 的张量,其中 T=输入长度T = \text{输入长度}N=批次大小N = \text{批次大小},以及 C=类别数量(包括空白)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)(N, S)(sum(target_lengths))(\operatorname{sum}(\text{target\_lengths})) 的张量,其中 N=批次大小N = \text{批次大小} 以及 S=最大目标长度,如果形状为(N,S)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)(N, S) 形式中,目标被填充到最长序列的长度,并进行堆叠。在 (sum(target_lengths))(\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)(N)()() 的元组或张量,其中 N=批次大小N = \text{批次大小}。它表示输入的长度(每个都必须 T\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)(N)()() 的元组或张量,其中 N=批次大小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)(N,S),target_lengths 实际上是每个目标序列的停止索引 sns_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 S\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'mean'(默认)或'sum',则为标量。如果reduction'none',则为(N)(N)(如果输入是批处理的)或()()(如果输入不是批处理的),其中N=batch sizeN = \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Tblank=0blank=0target_lengths 256\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。

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取面向初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源