torchaudio.functional.rnnt_loss

torchaudio.functional.rnnt_loss(logits: Tensor, targets: Tensor, logit_lengths: Tensor, target_lengths: Tensor, blank: int = -1, clamp: float = -1, reduction: str = 'mean', fused_log_softmax: bool = True)

已弃用

警告

此函数已被弃用。它将在 2.9 版本中移除。此弃用是为将 TorchAudio 迁移到维护阶段的大型重构工作的一部分。有关更多信息，请参阅 https://github.com/pytorch/audio/issues/3902。

根据Sequence Transduction with Recurrent Neural Networks [Graves, 2012] 计算 RNN Transducer 损失。

RNN Transducer 损失通过定义一个覆盖所有长度的输出序列的分布，并联合建模输入-输出和输出-输出依赖关系，来扩展 CTC 损失。

参数

• logits (Tensor) – 维度为 (batch, max seq length, max target length + 1, class) 的张量，包含 joiner 的输出

• targets (Tensor) – 维度为 (batch, max target length) 的张量，包含用零填充的目标

• logit_lengths (Tensor) – 维度为 (batch) 的张量，包含来自编码器的每个序列的长度

• target_lengths (Tensor) – 维度为 (batch) 的张量，包含每个序列的目标长度

• blank (int, optional) – blank 标签 (默认: -1)

• clamp (float, optional) – 梯度的 clamp 值 (默认: -1)

• reduction (string, optional) – 指定应用于输出的归约方式："none" | "mean" | "sum"。 (默认: "mean")

• fused_log_softmax (bool) – 如果在损失函数外部调用 log_softmax，则设置为 False (默认: True)

返回

应用了归约选项的损失。如果 reduction 是 "none"，则大小为 (batch)，否则为标量。

返回类型

张量