LAS(Listener、Attender、Speller)端到端构架

本文介绍了基于注意力机制的LAS端到端模型,并探讨了Schedule Sampling、Label Smoothing及Multi-head Attention等技术如何用于改进LAS模型训练。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

基于注意力(Attention)机制的端到端系统,又被称为LAS端到端构架。

[6] W. Chan, N. Jaitly, Q. Le, O. Vinyals. Listen, Attend and Spell: A Neural Network for Large Vocabulary Conversational Speech Recognition. ICASSP 2016.

   

来自 <https://mp.weixin.qq.com/s/c64XucML13OwI26_UE9xDQ>

   

   

   

   

   

   

为了更好地进行LAS模型的训练。可以使用以下技术:

  • Schedule Sampling
  • Label Smoothing
  • Multi-head Attention

   

   

转载于:https://www.cnblogs.com/JarvanWang/p/9152647.html

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值