RNNTBeamSearch¶
- class torchaudio.models.RNNTBeamSearch(model: RNNT, blank: int, temperature: float = 1.0, hypo_sort_key: Optional[Callable[[Tuple[List[int], Tensor, List[List[Tensor]]], float]] = None, step_max_tokens: int = 100)[源代码]¶
RNN-T 模型的束搜索解码器。
另请参阅
torchaudio.pipelines.RNNTBundle：具有预训练模型的 ASR 管道。
- 参数
model (RNNT) – 要使用的 RNN-T 模型。
blank (int) – 词汇表中空白标记的索引。
temperature (float, 可选) – 应用于联合网络输出的温度。值越大，样本分布越均匀。(默认值：1.0)
hypo_sort_key (Callable[[Hypothesis], float] 或 None, 可选) – 一个可调用对象，用于计算给定假设的分数，以便对假设进行排序。如果为
None，则默认为返回假设分数按 token 序列长度归一化的可调用对象。(默认值：None)step_max_tokens (int, 可选) – 每个输入时间步发射的最大 token 数。(默认值：100)
方法¶
forward¶
- RNNTBeamSearch.forward(input: Tensor, length: Tensor, beam_width: int) List[Tuple[List[int], Tensor, List[List[Tensor]], float]][源代码]¶
对给定的输入序列执行束搜索。
T：帧数；D：每帧的特征维度。
- 参数
input (torch.Tensor) – 输入帧序列，形状为 (T, D) 或 (1, T, D)。
length (torch.Tensor) – 输入序列中的有效帧数，形状为 () 或 (1,)。
beam_width (int) – 搜索过程中使用的束大小。
- 返回
束搜索找到的前
beam_width个假设。- 返回类型
List[Hypothesis]
infer¶
- RNNTBeamSearch.infer(input: Tensor, length: Tensor, beam_width: int, state: Optional[List[List[Tensor]]] = None, hypothesis: Optional[List[Tuple[List[int], Tensor, List[List[Tensor]], float]]] = None) Tuple[List[Tuple[List[int], Tensor, List[List[Tensor]], float]], List[List[Tensor]]][源代码]¶
以流式模式对给定的输入序列执行束搜索。
T：帧数；D：每帧的特征维度。
- 参数
input (torch.Tensor) – 输入帧序列，形状为 (T, D) 或 (1, T, D)。
length (torch.Tensor) – 输入序列中的有效帧数，形状为 () 或 (1,)。
beam_width (int) – 搜索过程中使用的束大小。
state (List[List[torch.Tensor]] 或 None, 可选) – 列表的列表，包含上一次调用生成的转录网络内部状态的张量。(默认值：
None)hypothesis (List[Hypothesis] 或 None) – 上一次调用产生的用于启动搜索的假设。(默认值：
None)
- 返回
- List[Hypothesis]
束搜索找到的前
beam_width个假设。- List[List[torch.Tensor]]
列表的列表，包含本次调用生成的转录网络内部状态的张量。
- 返回类型
(List[Hypothesis], List[List[torch.Tensor]])
