Python PyTorch RNNTLoss用法及代码示例

本文简要介绍python语言中 torchaudio.transforms.RNNTLoss 的用法。

用法:

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

参数：

• blank(int,可选的) -空白标签(默认：-1)

• clamp(float,可选的) -渐变夹(默认值：-1)

• reduction(string,可选的) -指定要应用于输出的缩减：'none' | 'mean' | 'sum' 。 (默认：'mean')

计算 RNN 换能器损失循环神经网络的序列转导[5]。 RNN 换能器损失通过定义所有长度的输出序列上的分布以及通过对输入-输出和output-output 依赖项进行联合建模来扩展 CTC 损失。

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()