RNNTLoss

class torchaudio.transforms.RNNTLoss(blank: int = -1, clamp: float = -1.0, reduction: str = 'mean', fused_log_softmax: bool = True)

已弃用

警告

该类已从 2.8 版本开始弃用。它将在 2.9 版本中移除。此次弃用是旨在将 TorchAudio 迁移到维护阶段的大规模重构工作的一部分。请参阅 https://github.com/pytorch/audio/issues/3902 获取更多信息。

根据Sequence Transduction with Recurrent Neural Networks计算 RNN Transducer 损失

[Graves, 2012].

RNN Transducer 损失通过定义一个关于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 (Args)

blank (int, optional): blank 标签 (默认：-1) clamp (float, optional): 梯度的夹值 (默认：-1) reduction (string, optional): 指定应用于输出的约简方式

"none" | "mean" | "sum"。(默认："mean")

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

示例

>>> # Hypothetical values
>>> logits = torch.tensor([[[[0.1, 0.6, 0.1, 0.1, 0.1],
>>>                          [0.1, 0.1, 0.6, 0.1, 0.1],
>>>                          [0.1, 0.1, 0.2, 0.8, 0.1]],
>>>                         [[0.1, 0.6, 0.1, 0.1, 0.1],
>>>                          [0.1, 0.1, 0.2, 0.1, 0.1],
>>>                          [0.7, 0.1, 0.2, 0.1, 0.1]]]],
>>>                       dtype=torch.float32,
>>>                       requires_grad=True)
>>> targets = torch.tensor([[1, 2]], dtype=torch.int)
>>> logit_lengths = torch.tensor([2], dtype=torch.int)
>>> target_lengths = torch.tensor([2], dtype=torch.int)
>>> transform = transforms.RNNTLoss(blank=0)
>>> loss = transform(logits, targets, logit_lengths, target_lengths)
>>> loss.backward()

forward(logits: Tensor, targets: Tensor, logit_lengths: Tensor, target_lengths: Tensor)

参数

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

• targets (Tensor) – 维度为 (batch, max target length) 的 Tensor，包含带有零填充的目标

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

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

返回

应用了约简选项的损失。如果 reduction 为 "none"，则大小为 (batch)，否则为标量。

返回类型

张量