ubuntu 安装warp-ctc，pytorch

最新推荐文章于 2025-09-28 03:19:28 发布

原创最新推荐文章于 2025-09-28 03:19:28 发布 · 1.9k 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#python

环境搭建同时被 2 个专栏收录

74 篇文章

订阅专栏

pytorch

44 篇文章

订阅专栏

本文详细介绍了如何从下载源代码开始，通过编译、设置环境变量、添加到conda环境，最终在PyTorch中使用Warp-CTC库的过程。包括了关键步骤如CMake配置、环境变量导出、激活conda环境及调用CTCLoss函数的示例。

部署运行你感兴趣的模型镜像

1，下载代码

git clone -b pytorch_bindings https://github.com/SeanNaren/warp-ctc.git

2，编译

cd warp-ctc
mkdir build
cd build
cmake ..  # 这里可以自定义pytorch cpp的编译环境
make

-DCMAKE_PREFIX_PATH=/path/to/libtorch/9.0/10.0

3，设置环境变量

vi ~/.bashrc
export WARP_CTC_PATH=/home/rose/software/warp-ctc/build
source ~/.bashrc                                          # 使环境变量生效

4，将warp-ctc添加到conda

./conda env list
   xxx
source activate xxx
cd /home/rose/software/warp-ctc/pytorch_binding
python setup.py install

5，调用

conda install pytest
import torch
from warpctc_pytorch import CTCLoss
ctc_loss = CTCLoss()
# expected shape of seqLength x batchSize x alphabet_size
probs = torch.FloatTensor([[[0.1, 0.6, 0.1, 0.1, 0.1], [0.1, 0.1, 0.6, 0.1, 0.1]]]).transpose(0, 1).contiguous()
labels = torch.IntTensor([1, 2])
label_sizes = torch.IntTensor([2])
probs_sizes = torch.IntTensor([2])
probs.requires_grad_(True)  # tells autograd to compute gradients for probs
cost = ctc_loss(probs, labels, probs_sizes, label_sizes)
cost.backward()

您可能感兴趣的与本文相关的镜像