文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

PR

小问题，全程线上修改...

一键搞定！

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.ops.RNNTLoss

class mindspore.ops.RNNTLoss(blank_label=0)

计算相对于softmax输出的RNNTLoss及其梯度。

参数：

• blank_label (int) - 空白标签。默认值： 0 。

输入：

• acts (Tensor) - Tensor，shape为 $(B,T,U,V)$ 。其中 $B$ 为batch维， $T$ 为输入序列长度， $U$ 为目标序列长度， $V$ 为输出维。数据类型必须为float16或float32。

• labels (Tensor) - Tensor，shape为 $(B,U-1)$ 。数据类型为int32。

• input_lengths (Tensor) - Tensor，shape为 $(B,)$ 。数据类型为int32。

• label_lengths (Tensor) - Tensor，shape为 $(B,)$ 。数据类型为int32。

输出：

• costs (Tensor) - Tensor，shape为 $(B,)$ 。数据类型为int32。

• grads (Tensor) - 具有与 acts 相同的shape和dtype。

异常：

• TypeError - 如果 acts 、 labels 、 input_lengths 或 label_lengths 不是Tensor。

• TypeError - 如果 acts 的dtype既不是float16也不是float32。

• TypeError - 如果 labels、 input_lengths 或 label_lengths 的dtype不是int32。

支持平台：

Ascend

样例：

>>> import numpy as np
>>> from mindspore import ops, Tensor
>>> B, T, U, V = 1, 2, 3, 5
>>> blank = 0
>>> acts = np.random.random((B, T, U, V)).astype(np.float32)
>>> labels = np.array([[1, 2]]).astype(np.int32)
>>> input_length = np.array([T] * B).astype(np.int32)
>>> label_length = np.array([len(l) for l in labels]).astype(np.int32)
>>> rnnt_loss = ops.RNNTLoss(blank_label=0)
>>> costs, grads = rnnt_loss(Tensor(acts), Tensor(labels), Tensor(input_length), Tensor(label_length))
>>> print(costs.shape)
(1,)
>>> print(grads.shape)
(1, 2, 3, 5)