mindspore.ops.CTCLoss

class mindspore.ops.CTCLoss(preprocess_collapse_repeated=False, ctc_merge_repeated=True, ignore_longer_outputs_than_inputs=False)[源代码]

计算CTC(Connectionist Temporal Classification)损失和梯度。

该接口的底层调用了第三方baidu-research::warp-ctc的实现。CTC算法是在 Connectionist Temporal Classification: Labeling Unsegmented Sequence Data with Recurrent Neural Networks 中提出的。

CTCLoss计算连续时间序列和目标序列之间的损失。 CTCLoss对输入到目标的概率求和，产生一个损失值，该值相对于每个输入节点是可微的。假设输入与目标的对齐是“多对一”的，这样目标序列的长度必须小于或等于输入的长度。

参数：

  • preprocess_collapse_repeated (bool) - 如果为True，在CTC计算之前将折叠重复标签。默认值：False。

  • ctc_merge_repeated (bool) - 如果为False，在CTC计算过程中，重复的非空白标签不会被合并，这些标签将被解释为单独的标签。这是CTC的简化版本。默认值：True。

  • ignore_longer_outputs_than_inputs (bool) - 如果为True，则输出比输入长的序列将被忽略。默认值：False。

输入：

  • x (Tensor) - 输入Tensor，其shape为 \((max\_time, batch\_size, num\_classes)\) 的三维Tensor。 num_classes 表示类别数，必须是 num_labels + 1 ， num_labels 表示实际标签的数量。保留空白标签。默认空白标签为 num_classes - 1 。数据类型必须为float16、float32或float64。

  • labels_indices (Tensor) - 标签的索引。 labels_indices[i, :] = [b, t] 表示 labels_values[i] 存储 (batch b, time t) 的ID。数据类型必须为int64，秩必须为2。

  • labels_values (Tensor) - 一维Tensor。这些值与给定的batch size和时间相关联。数据类型必须为int32。 labels_values[i] 必须在 [0, num_classes) 的范围内。

  • sequence_length (Tensor) - 包含序列长度的Tensor，shape为 \((batch\_size, )\) 。数据类型必须为int32。Tensor中的每个值不得大于最大时间。

输出：

  • loss (Tensor) - 包含对数概率的Tensor，shape为 \((batch\_size, )\) 。Tensor的数据类型与 x 相同。

  • gradient (Tensor) - loss 的梯度，shape和数据类型与 x 相同。

异常：

  • TypeError - preprocess_collapse_repeated 、 ctc_merge_repeated 或 ignore_longer_outputs_than_inputs 不是bool。

  • TypeError - x 、 labels_indices 、 labels_values 或 sequence_length 不是Tensor。

  • ValueError - labels_indices 的秩不等于2。

  • TypeError - x 的数据类型不是float16、float32或float64。

  • TypeError - labels_indices 的数据类型不是int64。

  • TypeError - labels_values 或 sequence_length 的数据类型不是int32。

支持平台：

Ascend GPU CPU

样例：

>>> x = Tensor(np.array([[[0.3, 0.6, 0.6],
...                       [0.4, 0.3, 0.9]],
...
...                      [[0.9, 0.4, 0.2],
...                       [0.9, 0.9, 0.1]]]).astype(np.float32))
>>> labels_indices = Tensor(np.array([[0, 0], [1, 0]]), mindspore.int64)
>>> labels_values = Tensor(np.array([2, 2]), mindspore.int32)
>>> sequence_length = Tensor(np.array([2, 2]), mindspore.int32)
>>> ctc_loss = ops.CTCLoss()
>>> loss, gradient = ctc_loss(x, labels_indices, labels_values, sequence_length)
>>> print(loss)
[ 0.79628  0.5995158 ]
>>> print(gradient)
[[[ 0.27029088  0.36485454  -0.6351454  ]
  [ 0.28140804  0.25462854  -0.5360366 ]]
 [[ 0.47548494  0.2883962    0.04510255 ]
  [ 0.4082751   0.4082751    0.02843709 ]]]