mindspore.nn.CTCLoss

class mindspore.nn.CTCLoss(blank=0, reduction='mean', zero_infinity=False)[源代码]

CTCLoss损失函数。主要用来计算连续未分段的时间序列与目标序列之间的损失。

关于CTCLoss算法详细介绍，请参考 Connectionist Temporal Classification: Labeling Unsegmented Sequence Data withRecurrent Neural Networks 。

参数：

  • blank (int，可选) - 空白标签。默认值：0 。

  • reduction (str，可选) - 指定应用于输出结果的规约计算方式，可选 "none" 、 "mean" 、 "sum" ，默认值： "mean" 。

    • "none"：不应用规约方法。

    • "mean"：计算输出元素的平均值。

    • "sum"：计算输出元素的总和。

  • zero_infinity (bool，可选) - 在损失无限大的时候，是否将无限损失和相关梯度置为零。默认值： False 。

输入：

  • log_probs (Tensor) - 预测值，shape为 \((T, N, C)\) 或 \((T, C)\) 。其中T表示输入长度，N表示批次大小，C是分类数。T，N，C均为正整数。

  • targets (Tensor) - 目标值，shape为 \((N, S)\) 或 (sum( target_lengths ))。其中S表示最大目标长度。

  • input_lengths (Union[tuple, Tensor]) - shape为 \((N)\) 的Tensor或tuple。表示输入长度。

  • target_lengths (Union[tuple, Tensor]) - shape为 \((N)\) 的Tensor或tuple。表示目标长度。

输出：

  • neg_log_likelihood (Tensor) - 对每一个输入节点可微调的损失值。

异常：

  • TypeError - log_probs 或 targets 不是Tensor。

  • TypeError - zero_infinity 不是布尔值， reduction 不是字符串。

  • TypeError - log_probs 的数据类型不是float或double。

  • TypeError - targets ， input_lengths 或 target_lengths 数据类型不是int32或int64。

  • ValueError - reduction 不为 "none" ， "mean" 或 "sum" 。

  • ValueError - blank 值不介于0到C之间。C是 log_probs 的分类数。

  • ValueError - 当 log_prob 的shape是 \((T, C)\) 时， target 的维度不是1或2。

  • ValueError - 当 log_prob 的shape是 \((T, C)\) 时， target 的首个维度的长度不是1。

  • RuntimeError - input_lengths 的值大于T。T是 log_probs 的长度。

  • RuntimeError - target_lengths[i] 的值不介于0到 input_length[i] 之间。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore as ms
>>> import mindspore.nn as nn
>>> import numpy as np
>>> T = 5      # Input sequence length
>>> C = 2      # Number of classes
>>> N = 2      # Batch size
>>> S = 3      # Target sequence length of longest target in batch (padding length)
>>> S_min = 2  # Minimum target length, for demonstration purposes
>>> arr = np.arange(T*N*C).reshape((T, N, C))
>>> ms_input = ms.Tensor(arr, dtype=ms.float32)
>>> input_lengths = np.full(shape=(N), fill_value=T)
>>> input_lengths = ms.Tensor(input_lengths, dtype=ms.int32)
>>> target_lengths = np.full(shape=(N), fill_value=S_min)
>>> target_lengths = ms.Tensor(target_lengths, dtype=ms.int32)
>>> target = np.random.randint(1, C, size=(N, S))
>>> target = ms.Tensor(target, dtype=ms.int32)
>>> ctc_loss = nn.CTCLoss(blank=0, reduction='none', zero_infinity=False)
>>> loss = ctc_loss(ms_input, target, input_lengths, target_lengths)
>>> print(loss)
[-45.79497  -55.794968]
>>> arr = np.arange(T*C).reshape((T, C))
>>> ms_input = ms.Tensor(arr, dtype=ms.float32)
>>> input_lengths = ms.Tensor([T], dtype=ms.int32)
>>> target_lengths = ms.Tensor([S_min], dtype=ms.int32)
>>> target = np.random.randint(1, C, size=(S_min,))
>>> target = ms.Tensor(target, dtype=ms.int32)
>>> ctc_loss = nn.CTCLoss(blank=0, reduction='none', zero_infinity=False)
>>> loss = ctc_loss(ms_input, target, input_lengths, target_lengths)
>>> print(loss)
-25.794968