上节回顾深度学习与人类语言处理-语音识别(part2)，这节课我们接着看seq2seq模型怎么做语音识别

上节课我们知道LAS做语音识别需要看完一个完整的序列才能输出，把我们希望语音识别模型可以在听到声音的时候就进行输出，一个直观的想法就是用单向的RNN，我们来看看CTC是怎么做的

CTC

根据上面说的，在线语音识别，模型在听到声音的时候就需要输出，我们看下使用RNN的基本架构

input: 长度为T的声学特征

Encoder：单向RNN

ouput：长度为T的token,每一个输出位置对应词典中每个词的概率

但是对每一个输入的声学特征不总是会有对应的输出token，每一声学特征所包含的信息是非常少的，所以CTC在输出的词汇表中加入了一个标记\(\phi\)，表示什么也没有，词典大小变为V+1

ouput：长度为T的token,其中包括 												


											
深度学习与人类语言处理-语音识别(part3)的更多相关文章
	

    
								
  1. 深度学习与人类语言处理-语音识别(part1)
		
    语音识别 语音识别该何去何从? 1969年,J.R. PIERCE:"语音识别就像把水变成汽油.从大海中淘金.治疗癌症.人类登陆月球" 当然,这是50年前的想法,那么语音识别该如何 ...
    
		
    2. 
						
  2. 深度学习与人类语言处理-语音识别(part2)
		
    上节回顾深度学习与人类语言处理-语音识别(part1),这节课我们将学习如何将seq2seq模型用在语音识别 LAS 那我们来看看LAS的Encoder,Attend,Decoder分别是什么 Lis ...
    
		
    3. 
						
  3. 李宏毅深度学习与人类语言处理-introduction
		
    深度学习与人类语言处理(Deep learning for Human Language Processing) 李宏毅老师深度学习与人类语言处理课程笔记,请看正文 这门课会学到什么? 为什么叫人类语 ...
    
		
    4. 
						
  4. 【PyTorch深度学习60分钟快速入门 】Part3：神经网络
		
      神经网络可以通过使用torch.nn包来构建. 既然你已经了解了autograd,而nn依赖于autograd来定义模型并对其求微分.一个nn.Module包含多个网络层,以及一个返回输出的方法f ...
    
		
    5. 
						
  5. R语言︱H2o深度学习的一些R语言实践——H2o包
		
    每每以为攀得众山小,可.每每又切实来到起点,大牛们,缓缓脚步来俺笔记葩分享一下吧,please~ --------------------------- R语言H2o包的几个应用案例 笔者寄语:受启发 ...
    
		
    6. 
						
  6. 碎片︱R语言与深度学习
		
    笔者:受alphago影响,想看看深度学习,但是其在R语言中的应用包可谓少之又少,更多的是在matlab和python中或者是调用.整理一下目前我看到的R语言的材料: ---------------- ...
    
		
    7. 
						
  7. [翻译]深度学习的机器（The learning machines）
		
    学习的机器 用大量的数据识别图像和语音,深度学习的计算机(deep-learning computers) 向真正意义上的人工智能迈出了一大步. Nicola Jones Computer Scien ...
    
		
    8. 
						
  8. Bengio最新博文：深度学习展望
		
    Bengio最新博文:深度学习展望 人类一直梦想着创造有智能的机器.早在第一台可编程计算机问世前100多年,发明家就对如何能让由连杆和齿轮组成的设备也变得更加智能这一命题充满好奇.后来,20世纪40年 ...
    
		
    9. 
						
  9. TensorFlow系列专题（三）：深度学习简介
		
    一.深度学习的发展历程 深度学习的起源阶段 深度学习的发展阶段 深度学习的爆发阶段 二.深度学习的应用 自然语言处理 语音识别与合成 图像领域 三．参考文献   一.深度学习的发展历程 作为机器学习最 ...
    
		
    10. 
		

	


随机推荐
	

    
									
  1. 复合文字（Compound Literals）
			
    复合文字(Compound Literals) 阅读代码时发现了这行 1 setsockopt(sock,SOL_SOCKET,SO_REUSEADDR,&(int){1},sizeof(in ...
    
			
    2. 
						
  2. loadrunner没有告诉你的
			
    1.        LoadRunner之-Block l  如何在一个脚本中实现不同事务不同次数的循环呢? l  案例:假如你想在一个脚本中,实现登录执行1次,查询执行2次,插入执行3次,怎么办?录 ...
    
			
    3. 
						
  3. 部署描述符web.xml
			
    部署描述符应用场景 需要传递初始参数给ServletContext 有多个过滤器,并要指定调用顺序 需要更改会话超时设置 要限制资源的访问,并配置用户身份验证方式 xsi:schemaLocation ...
    
			
    4. 
						
  4. docker mysql5.7.16 中文乱码
			
    有部分同学会遇到,在centos上Docker-MySQL没乱码,但是在fedora系统上的docker-mysql会有乱码问题,这兴许是docker-mysql的问题,这里的bug我们不去追究,这里 ...
    
			
    5. 
						
  5. [PyTorch入门之60分钟入门闪击战]之神经网络
			
    神经网络 来源于这里. 神经网络可以使用torch.nn包构建. 现在你对autograd已经有了初步的了解,nn依赖于autograd定义模型并区分它们.一个nn.Module包含了层(layers ...
    
			
    6. 
						
  6. 关于Linux文件系统
			
    前言 文件系统是在内核中实现,能够对存储在磁盘上的二进制数据进行有效的层次化管理的一种软件.而用户程序为了实现在磁盘上使用或者创建文件,向内核发起系统调用(实际由文件系统向内核发起的系统调用)并转换为 ...
    
			
    7. 
						
  7. Redis list实现原理 - 双向循环链表
			
    双向链表 双向表示每个节点知道自己的直接前驱和直接后继,每个节点需要三个域 查找方向可以是从左往右也可以是从右往左,但是要实现从右往左还需要终端节点的地址,所以通常会设计成双向的循环链表; 双向的循环 ...
    
			
    8. 
						
  8. PHP压缩文件夹 php
			
    $path = PUBLIC_DIR.'/images/'; //待压缩文件夹父目录 $zipPath = PUBLIC_DIR.'/images_zip/'; //压缩文件保存目录 !is_dir( ...
    
			
    9. 
						
  9. 基于均值坐标(Mean-Value Coordinates)的图像融合算法的具体实现
			
    目录 1. 概述 2. 实现 2.1. 准备 2.2. 核心 2.2.1. 均值坐标(Mean-Value Coordinates) 2.2.2. ROI边界栅格化 2.2.3. 核心实现 2.2.4 ...
    
			
    10. 
						
  10. 常用css3选择器
			
    <div class="wrapper"> <p class="test1">1</p> <p class=" ...
    
			
    11.