megengine.functional.nn.ctc_loss¶
- ctc_loss(pred, pred_lengths, label, label_lengths, blank=0, reduction='mean')[源代码]¶
计算 Connectionist Temporal Classification loss 。
- 参数
pred (
Tensor) – 概率张量，其尺寸为 (T, N, C)，其中 T 是 input 长度，N 是 batch 个数，C 是类别数量（包括 blank）。pred_lengths (
Tensor) –pred中每个序列的点数，尺寸为 (N, )。label (
Tensor) – groundtruth 标签，包含每个序列的每个点的 groundtruth 的位置，blank 不应包含在其中。尺寸是 (N, S) 或者 sum(label_lengths))。label_lengths (
Tensor) – groundtruth 的每个序列的点数，尺寸是 (N, )。blank (
int) – blank 的个数，默认值为 0。reduction (
str) – 计算输出的模式：none | mean | sum。默认值为：mean。
- 返回类型
- 返回
损失值。
实际案例
from megengine import tensor import megengine.functional as F pred = tensor([[[0.0614, 0.9386],[0.8812, 0.1188]],[[0.699, 0.301 ],[0.2572, 0.7428]]]) pred_length = tensor([2,2]) label = tensor([1,1]) label_lengths = tensor([1,1]) loss = F.nn.ctc_loss(pred, pred_length, label, label_lengths) print(loss.numpy())
输出：
0.1504417