CTCLoss

class paddle.nn.loss.CTCLoss ( blank=0, reduction=’mean’ )

该接口用于计算 CTC loss。该接口的底层调用了第三方 baidu-research::warp-ctc 的实现。 也可以叫做 softmax with CTC，因为 Warp-CTC 库中插入了 softmax 激活函数来对输入的值进行归一化。

参数

  • blank (int，可选): - 空格标记的 ID 值，其取值范围为 [0，num_classes+1) 。数据类型支持int32。默认值为0。

  • reduction (string，可选): - 指定应用于输出结果的计算方式，可选值有: 'none', 'mean', 'sum' 。设置为 'mean' 时，对 loss 值除以 label_lengths，并返回所得商的均值；设置为 'sum' 时，返回 loss 值的总和；设置为 'none' 时，则直接返回输出的 loss 值。默认值为 'mean'。

形状

  • log_probs (Tensor): - 经过 padding 的概率序列，其 shape 必须是 [max_logit_length, batch_size, num_classes + 1]。其中 max_logit_length 是最长输入序列的长度。该输入不需要经过 softmax 操作，因为该 OP 的内部对 input 做了 softmax 操作。数据类型仅支持float32。

  • labels (Tensor): - 经过 padding 的标签序列，其 shape 为 [batch_size, max_label_length]，其中 max_label_length 是最长的 label 序列的长度。数据类型支持int32。

  • input_lengths (Tensor): - 表示输入 log_probs 数据中每个序列的长度，shape为 [batch_size] 。数据类型支持int64。

  • label_lengths (Tensor): - 表示 label 中每个序列的长度，shape为 [batch_size] 。数据类型支持int64。

返回

Tensor，输入 log_probs 和标签 labels 间的 ctc loss。如果 reduction 是 'none'，则输出 loss 的维度为 [batch_size]。如果 reduction 是 'mean' 或 'sum', 则输出Loss的维度为 [1]。数据类型与输入 log_probs 一致。

代码示例

  1. # declarative mode
  2. import numpy as np
  3. import paddle
  5. # length of the longest logit sequence
  6. max_seq_length = 4
  7. #length of the longest label sequence
  8. max_label_length = 3
  9. # number of logit sequences
  10. batch_size = 2
  11. # class num
  12. class_num = 3
  14. np.random.seed(1)
  15. log_probs = np.array([[[4.17021990e-01, 7.20324516e-01, 1.14374816e-04],
  16.                         [3.02332580e-01, 1.46755889e-01, 9.23385918e-02]],
  18.                         [[1.86260208e-01, 3.45560730e-01, 3.96767467e-01],
  19.                         [5.38816750e-01, 4.19194520e-01, 6.85219526e-01]],
  21.                         [[2.04452246e-01, 8.78117442e-01, 2.73875929e-02],
  22.                         [6.70467496e-01, 4.17304814e-01, 5.58689833e-01]],
  24.                         [[1.40386939e-01, 1.98101491e-01, 8.00744593e-01],
  25.                         [9.68261600e-01, 3.13424170e-01, 6.92322612e-01]],
  27.                         [[8.76389146e-01, 8.94606650e-01, 8.50442126e-02],
  28.                         [3.90547849e-02, 1.69830427e-01, 8.78142476e-01]]]).astype("float32")
  29. labels = np.array([[1, 2, 2],
  30.                 [1, 2, 2]]).astype("int32")
  31. input_lengths = np.array([5, 5]).astype("int64")
  32. label_lengths = np.array([3, 3]).astype("int64")
  34. log_probs = paddle.to_tensor(log_probs)
  35. labels = paddle.to_tensor(labels)
  36. input_lengths = paddle.to_tensor(input_lengths)
  37. label_lengths = paddle.to_tensor(label_lengths)
  39. loss = paddle.nn.CTCLoss(blank=0, reduction='none')(log_probs, labels,
  40.     input_lengths,
  41.     label_lengths)
  42. print(loss)  #[3.9179852 2.9076521]
  44. loss = paddle.nn.CTCLoss(blank=0, reduction='mean')(log_probs, labels,
  45.     input_lengths,
  46.     label_lengths)
  47. print(loss)  #[1.1376063]