CTC学习笔记（五） eesen训练源码

最新推荐文章于 2024-05-16 10:08:49 发布

过得很好梵蒂冈

最新推荐文章于 2024-05-16 10:08:49 发布

阅读量415

点赞数

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/qq_44944990/article/details/89521101

本文深入解析了Eesen框架中连接时序分类(CTC)算法的源码实现，详细介绍了训练前后向核心算法流程，适用于单句训练场景。通过解释变量如phones_num、labels_num和frames_num的作用，以及参考文献，帮助读者理解CTC在语音识别领域的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

essen源码参考https://github.com/yajiemiao/eesen，这里简单说一下涉及到训练前后向的核心算法源码实现。
以单句训练为准（多句并行类似），用到的变量

变量	含义
phones_num	最后一层输出节点个数，对应于\|phones\|+1
labels_num	一句话对应的标注扩展blank以后的个数，比如”123”扩展为”b1b2b3b”
frames_num	一句话对应的总的帧数，对应于时间t
y t k 参考文献 [1].Connectionist Temporal Classification: Labelling Unsegmented Sequence Data with Recurrent Neural Networks [2].Essen: End-to-End Speech Recognition Using Deep Rnn Models and WFST-Based Decoding