语音识别 CTC Loss
语音识别 CTC Loss
(以下内容搬运自 PaddleSpeech)
Derivative of CTC Loss
关于CTC的介绍已经有很多不错的教程了,但是完整的描述CTCLoss的前向和反向过程的很少,而且有些公式推导省略和错误。本文主要关注CTC Loss的梯度是如何计算的,关于CTC的介绍这里不做过多赘述,具体参看文末参考。
CTC主要应用于语音和OCR中,已语音Deepspeech2模型为例,CTC的网络一般如下图所示,包含softmax和CTCLoss两部分。反向传播需要求得loss L相对于logits u i u^i ui的梯度。下面先介绍CTCLoss的前向计算。
图片来源于文末参考
CTC Loss 的计算
CTC中path的定义与概率的计算如下:
path 是 $ L’^T$的元素,用 π \pi π表示。 x \textbf{x} x 是输入特征, y \textbf{y} y 是输出label, 都是序列。 L L L 是输出的 vocab, L‘ 是 L ∪ b l a n k L \cup {blank} L∪blank。 y π t t y_{\pi_{t}}^t yπtt 表示在t时刻, π t \pi_{t} πt label时的观察概率。其中 π t \pi_{t} πt 表示 π \pi π path在t时刻的label。 π \pi π 是 y \textbf{y} y 与 x \textbf{x} x 的一个alignment,长度是 T T T,取值空间为 L ′ L' L′。path也称为alignment。
公式(2)解释了给定输入 x \textbf{x} x ,输出 π \pi π path 的概率,即从时间t=1到T每个时间点的概率 y π t t y_{\pi_{t}}^t yπtt 相乘。
求出单条path后,就可以计算 p ( l ∣ x ) p(l \mid x) p(l∣x) 的概率,计算如下:
这里边 B \mathcal{B} B 就是映射, 即所有多对一的映射(many-to-one mapping )的集合。 这样就算出来对应一个真正的 label l \textbf{l} l 的概率了,这里是求和。 求和的原因就是 aab 和 abb 都是对应成ab, 所以 aab 的概率 + abb 的概率才是生成ab的概率。
公式(3)解释了给定输入 x \mathbf{x} x ,求输出 l \mathbf{l} l 的概率, 即所有集合 B − 1 ( l ) \mathcal{B}^{-1} (\mathbf{l}) B−1(l) 中 path的概率和。
CTC forward-backward 算法
CTC的优化采用算最大似然估计MLE (maximum likelihood estimation), 这个和神经网络本身的训练过程是一致的。
这个CTC 计算过程类似HMM的 forward-backward algorithm,下面就是这个算法的推导过程:
上图中的定义很清楚, 但是 α t − 1 ( s ) \alpha_{t-1}(s) αt−1(s) and α t − 1 ( s − 1 ) \alpha_{t-1}(s-1) αt−1(s−1) 和 α t ( s ) \alpha_t(s) αt(s) 的关系也不那么好看出来,下图给出了具体的关于 α t ( s ) \alpha_t(s) αt(s) 的推导过程:
这里的公式比较适合用下面的图来理解, α 1 ( 1 ) \alpha_1(1) α1(1) 其实对应的就是下图中左上角白色的圆圈。 就是上来第一个是blank 的概率, 而 α 1 ( 2 ) \alpha_1(2) α1(2)是label l 的第一个字母。 这里边我们假设每个字母之间都插入了空白,即label l扩展成l’,例如,l=[a, b, b, c], l’=[-, a, -, b, -, b, -, c, -]。 然后对于其他圆点,在时间是1 的情况下概率都是 0. Figure 3中横轴是时间 t,从左到右是1到T;纵轴是s(sequence),从上到下是 1 到 ∣ l ′ ∣ \mathbf{\mid l' \mid} ∣l′∣.
接下来我们分析递归公式 (resursion),更多介绍可以参看 [2]. 公式6分情况考虑:
- 第一种情况就是当前的label是blank, 或者 l ′ s = l ′ s − 2 \mathbf{l'}_{s}= \mathbf{l'}_{s-2} l′s=l′s−2(相邻是重复字符):
这个时候他的概率来自于过去t-1的两个label 概率, 也就是 a t − 1 ( s ) a_{t-1} (s) at−1(s) 和 a t − 1 ( s − 1 ) a_{t-1} (s-1) at−1(s−1) 。
a t − 1 ( s ) a_{t-1} (s) at−1(s) 就是说当前的 sequence 已经是 s 了,figure 3中表现为横跳, blank -->blank(例如t=3, s=3);
而 a t − 1 ( s − 1 ) a_{t-1} (s-1) at−1(s−1)是说明当前的字符还不够, 需要再加一个, 所以在figure 3中就是斜跳,从黑色圆圈到白色圆圈(例如,t=3, s=5)。
仔细观察figure 3, 除了第一排的白色圆圈, 其他白色圆圈都有两个输入, 就是上述的两种情况。 当然判断blank 的方法也可以是判断 I s − 2 ′ = I s ′ I'_{s-2} = I'_{s} Is−2′=Is′. 这种情况也是说明 I s ′ I'_{s} Is′ 是blank, 因为每一个字符必须用 blank 隔开, 即使是相同字符。
- 第二章情况 也可以用类似逻辑得出, 只不过当前的状态s 是黑色圆圈, 有三种情况输入。
最终的概率就如公式8 所示, 这个计算过程就是 CTC forward algroirthm, 基于 Fig. 3 的左边的初始条件。
基于Fig. 3 右边的初始条件,我们还是可以计算出一个概率, 那个就是 CTC backward. 这里我就不详细介绍了, 直接截图。
这样一直做乘法, 数字值越来越小,很快就会underflow。 这个时候就需要做 scaling.
算出了forward probability 和 backward probability 有什么用呢, 解释如下图。
上图是说 forward probability and backward probability 的乘积, 代表了这个 sequence l \mathbf{l} l t时刻,是s label 的 所有paths 的概率。 这样的话 我们就计算了 Fig. 3 中的每个圆圈的概率。为什么 α t ( s ) β t ( s ) \alpha_t(s)\beta_t(s) αt(s)βt(s) 中多出一个 y l s ′ t y^t_{\mathbf{l'_s}} yls′t ,这是因为它在 α \alpha α 和 β \beta β 中都包含该项,合并公式后就多出一项。
p ( l ∣ x ) p(\mathbf{l}|\mathbf{x}) p(l∣x) 可以通过任意时刻 t 的所有 s 的 foward-backward 概率计算得来。取负对数后就是单个样本的NLL(Negative Log Likelihood)。
总结
总结一下,根据前向概率计算CTCLoss函数,可以得出如下结论:
-
对于时序长度为T的输入序列x和输出序列z,前向概率:
α t ( s ) = ∑ π ∈ B − 1 ( z ) π t = l s ′ p ( π 1 : t ∣ x ) α 1 ( 1 ) = y − 1 ; α 1 ( 2 ) = y l 2 ′ 1 , α 1 ( s ) = 0 , ∀ s > 2 α t ( s ) = 0 , ∀ s < ∣ l ′ ∣ − 2 ( T − t ) − 1 , or ∀ s < 1 α t ( s ) = { ( α t − 1 ( s ) + α t − 1 ( s − 1 ) ) y l s ′ t if l s ′ = b or l s − 2 ′ = l s ′ ( α t − 1 ( s ) + α t − 1 ( s − 1 ) + α t − 1 ( s − 2 ) ) y l s ′ t otherwise \begin{split} \alpha_t(s) &= \sum_{ \underset{\pi_t=l'_s}{\pi \in \mathcal{B}^{-1}(z)} } p(\pi_{1:t}|x) \newline \alpha_1(1) &= y_{-}^1 ; \quad \alpha_1(2)=y^1_{l'_2}, \quad \alpha_1(s)=0, \forall s > 2 \newline \alpha_t(s) &= 0, \quad \forall s < |l'| - 2(T-t) - 1 ,\quad \text{or} \quad \forall s < 1 \newline \alpha_t(s) &= \begin{cases} (\alpha_{t-1}(s) + \alpha_{t-1}(s-1) ) y^t_{l'_s} & \text{if $l'_s=b$ or $l'_{s-2} = l'_s$} \newline (\alpha_{t-1}(s) + \alpha_{t-1}(s-1) + \alpha_{t-1}(s-2))y^t_{l'_s} & \text{otherwise}\newline \end{cases} \end{split} αt(s)α1(1)αt(s)αt(s)=πt=ls′π∈B−1(z)∑p(π1:t∣x)=y−1;α1(2)=yl2′1,α1(s)=0,∀s>2=0,∀s<∣l′∣−2(T−t)−1,or∀s<1={(αt−1(s)+αt−1(s−1))yls′t(αt−1(s)+αt−1(s−1)+αt−1(s−2))yls′tif ls′=b or ls−2′=ls′otherwise -
利用 α t ( s ) \alpha_t(s) αt(s) 计算CTCLoss:
− l n ( p ( l ∣ x ) ) = − l n ( α T ( ∣ l ′ ∣ ) + α T ( ∣ l ′ ∣ − 1 ) ) -ln(p(l \mid x)) = -ln(\alpha_{T}(|l'|)+\alpha_{T}(|l'|-1)) −ln(p(l∣x))=−ln(αT(∣l′∣)+αT(∣l′∣−1))
根据后向概率计算CTCLoss函数,可以得出如下结论:
-
对于时序长度为T的输入序列x和输出序列z,后向概率:
β t ( s ) = ∑ π ∈ B − 1 ( z ) π t = l s ′ p ( π t : T ∣ x ) β T ( ∣ l ′ ∣ ) = y − T ; β T ( ∣ l ′ ∣ − 1 ) = y l ∣ l ′ ∣ − 1 ′ T , β T ( s ) = 0 , ∀ s < ∣ l ′ ∣ − 1 β t ( s ) = 0 , ∀ s > 2 t or ∀ s < ∣ l ′ ∣ β t ( s ) = { ( β t + 1 ( s ) + β t + 1 ( s + 1 ) ) y l s ′ t if l s ′ = b or l s + 2 ′ = l s ′ ( β t + 1 ( s ) + β t + 1 ( s + 1 ) + β t + 1 ( s + 2 ) ) y l s ′ t otherwise \begin{split} \beta_t(s) &= \sum_{ \underset{\pi_t=l'_s}{\pi \in \mathcal{B}^{-1}(z)} } p(\pi_{t:T}|x) \newline \beta_T(|l'|) &= y_{-}^T ; \quad \beta_T(|l'|-1)=y^T_{l'_{|l'|-1}}, \quad \beta_T(s)=0, \forall s < |l'| - 1 \newline \beta_t(s) &= 0, \text{$\forall s > 2t$ or $\forall s < |l'|$} \newline \beta_t(s) &= \begin{cases} (\beta_{t+1}(s) + \beta_{t+1}(s+1) ) y^t_{l'_s} & \text{if $l'_s=b$ or $l'_{s+2} = l'_s$} \newline (\beta_{t+1}(s) + \beta_{t+1}(s+1) + \beta_{t+1}(s+2))y^t_{l'_s} & \text{otherwise}\newline \end{cases} \end{split} βt(s)βT(∣l′∣)βt(s)βt(s)=πt=ls′π∈B−1(z)∑p(πt:T∣x)=y−T;βT(∣l′∣−1)=yl∣l′∣−1′T,βT(s)=0,∀s<∣l′∣−1=0,∀s>2t or ∀s<∣l′∣={(βt+1(s)+βt+1(s+1))yls′t(βt+1(s)+βt+1(s+1)+βt+1(s+2))yls′tif ls′=b or ls+2′=ls′otherwise -
利用 β t ( s ) \beta_t(s) βt(s)计算CTCLoss:
− l n ( p ( l ∣ x ) ) = − l n ( β 1 ( 1 ) + β 1 ( 2 ) ) -ln(p(l \mid x)) = -ln(\beta_{1}(1)+\beta_{1}(2)) \newline −ln(p(l∣x))=−ln(β1(1)+β1(2))
根据任意时刻的前向概率和后向概率计算CTC Loss函数,得到如下结论:
- 对于任意时刻t,利用前向概率和后向概率计算CTCLoss:
p
(
l
∣
x
)
=
∑
s
=
1
∣
l
′
∣
α
t
(
s
)
β
t
(
s
)
y
l
s
′
t
−
l
n
(
p
(
l
∣
x
)
)
=
−
l
n
(
∑
s
=
1
∣
l
′
∣
α
t
(
s
)
β
t
(
s
)
y
l
s
′
t
)
p(l \mid x) = \sum_{s=1}^{|l'|} \frac{\alpha_t(s)\beta_t(s)}{y_{l'_s}^t} \newline -ln(p(l \mid x)) = -ln( \sum_{s=1}^{|l'|} \frac{\alpha_t(s) \beta_t(s)}{y_{l'_s}^t} )
p(l∣x)=s=1∑∣l′∣yls′tαt(s)βt(s)−ln(p(l∣x))=−ln(s=1∑∣l′∣yls′tαt(s)βt(s))
我们已经得到CTCLoss的计算方法,接下来对其进行求导。
CTC梯度计算
微分公式
在计算梯度前,我们先回顾下基本的微分公式:
C
′
=
0
x
′
=
1
x
n
=
n
⋅
x
n
−
1
(
e
x
)
′
=
e
x
l
o
g
(
x
)
′
=
1
x
(
u
+
v
)
′
=
u
′
+
v
′
(
u
v
)
′
=
u
′
v
−
u
v
′
v
2
d
f
(
g
(
x
)
)
d
x
=
d
f
(
g
(
x
)
)
d
g
(
x
)
⋅
d
g
(
x
)
d
x
C' = 0 \\ x' = 1 \newline x^n = n \cdot x^{n-1} \newline (e^x)' = e^x \newline log(x)' = \frac{1}{x} \newline (u + v)' = u' + v' \newline (\frac{u}{v})' = \frac{u'v-uv'}{v^2} \newline \frac{\mathrm{d}f(g(x))}{\mathrm{d}x} = \frac{\mathrm{d}f(g(x))}{\mathrm{d}g(x)} \cdot \frac{\mathrm{d}g(x)}{\mathrm{d}x}
C′=0x′=1xn=n⋅xn−1(ex)′=exlog(x)′=x1(u+v)′=u′+v′(vu)′=v2u′v−uv′dxdf(g(x))=dg(x)df(g(x))⋅dxdg(x)
CTC梯度
最大似然估计训练就是最大化训练集中每一个分类的对数概率,即最小化Eq. 12。
最后就是算微分了, 整个推导过程就是加法和乘法, 都可以微分。 O M L \mathit{O}^{ML} OML关于神经网络的输出 y k t y^t_k ykt的梯度见Eq. 13。因为训练样本是相互独立的,所以可以单独考虑每个样本,公式如Eq.13。
下面是CTCLoss的梯度计算:
### CTC梯度推导回顾下之前的公式,便于理解后续推导过程。
p ( l ∣ x ) = ∑ s = 1 ∣ l ′ ∣ α t ( s ) β t ( s ) y l s ′ t α t ( s ) β t ( s ) = ∑ π ∈ B − 1 ( l ) : π t = l s ′ y l s ′ t ∏ t = 1 T y π t t p(l \mid x) = \sum_{s=1}^{|l'|} \frac{\alpha_t(s)\beta_t(s)}{y_{l'_s}^t} \\ \begin{equation} \alpha_t(s) \beta_t(s) = \sum_{ \underset{\pi_t=l'_s}{\pi \in \mathcal{B}^{-1}(l):} } y^t_{l'_s} \prod_{t=1}^T y^t_{\pi_t} \end{equation} p(l∣x)=s=1∑∣l′∣yls′tαt(s)βt(s)αt(s)βt(s)=πt=ls′π∈B−1(l):∑yls′tt=1∏Tyπtt
其中Eq. 15的计算过程如下:
∂ p ( l ∣ x ) ∂ y k t = ∑ s ∈ l a b ( z , k ) ∂ α t ( s ) β t ( s ) y k t ∂ y k t = ∑ s ∈ l a b ( z , k ) ( α t ( s ) β t ( s ) ) ’ y k t − α t ( s ) β t ( s ) y k t ′ y k t 2 = ∑ s ∈ l a b ( z , k ) ( ∏ t ′ = 1 t − 1 y π t ′ t ′ ⋅ y k t ⋅ y k t ⋅ ∏ t ′ = t + 1 T y π t ′ t ′ ) ’ y k t − α t ( s ) β t ( s ) y k t ′ y k t 2 = ∑ s ∈ l a b ( z , k ) 2 α t ( s ) β t ( s ) − α t ( s ) β t ( s ) y k t 2 = ∑ s ∈ l a b ( z , k ) α t ( s ) β t ( s ) y k t 2 = 1 y k t 2 ∑ s ∈ l a b ( z , k ) α t ( s ) β t ( s ) \begin{align*} \frac{\partial p( l \mid x)}{\partial y_k^t} & = \sum_{s \in lab(z,k)} \frac{ \partial \frac{ \alpha_t(s) \beta_t(s)}{y_{k}^t}}{\partial y_k^t} \newline & = \sum_{s \in lab(z,k)} \frac{(\alpha_t(s)\beta_t(s))’y_k^t - \alpha_t(s)\beta_t(s){y_k^t}'}{{y_k^t}^2} \newline &= \sum_{s \in lab(z,k)} \frac{( \prod_{t'=1}^{t-1} y^{t'}_{\pi_{t'}} \cdot y_k^t \cdot y_k^t \cdot \prod_{t'=t+1}^{T} y^{t'}_{\pi_{t'}} )’ y_k^t - \alpha_t(s)\beta_t(s){y_k^t}'}{{y_k^t}^2} \newline &= \sum_{s \in lab(z,k)} \frac{2\alpha_t(s)\beta_t(s) - \alpha_t(s)\beta_t(s)}{{y_k^t}^2} \newline &= \sum_{s \in lab(z,k)} \frac{\alpha_t(s)\beta_t(s)}{{y_k^t}^2} \newline &= \frac{1}{{y_k^t}^2} \sum_{s \in lab(z,k)} \alpha_t(s)\beta_t(s) \tag{1} \newline \end{align*} ∂ykt∂p(l∣x)=s∈lab(z,k)∑∂ykt∂yktαt(s)βt(s)=s∈lab(z,k)∑ykt2(αt(s)βt(s))’ykt−αt(s)βt(s)ykt′=s∈lab(z,k)∑ykt2(∏t′=1t−1yπt′t′⋅ykt⋅ykt⋅∏t′=t+1Tyπt′t′)’ykt−αt(s)βt(s)ykt′=s∈lab(z,k)∑ykt22αt(s)βt(s)−αt(s)βt(s)=s∈lab(z,k)∑ykt2αt(s)βt(s)=ykt21s∈lab(z,k)∑αt(s)βt(s)(1)
NLL的公式推导如下:
∂
l
n
(
p
(
l
∣
x
)
)
∂
y
k
t
=
1
p
(
l
∣
x
)
∂
p
(
l
∣
x
)
∂
y
k
t
=
1
p
(
l
∣
x
)
y
k
t
2
∑
s
∈
l
a
b
(
z
,
k
)
α
t
(
s
)
β
t
(
s
)
(2)
\begin{split} \frac{\partial {ln(p(l \mid x))} }{ \partial y^t_k } &= \frac{1}{p(l \mid x)} \frac{ \partial{p(l \mid x)} }{ \partial y_k^t } \newline &= \frac{1}{p(l \mid x) {y^t_k}^2 } \sum_{s \in lab(z,k)} \alpha_t(s)\beta_t(s) \end{split} \tag{2}
∂ykt∂ln(p(l∣x))=p(l∣x)1∂ykt∂p(l∣x)=p(l∣x)ykt21s∈lab(z,k)∑αt(s)βt(s)(2)
已经算出了CTCLoss对于 y k t y_k^t ykt 的梯度,接下来我们需要计算 CTCLoss对于 u k t u^t_k ukt(logits)的梯度。套用链式法则,并替换 y k t y^t_k ykt 为 y k ′ t y^t_{k'} yk′t,结果如下图。图中 k ′ k' k′ 表示vocab中的某一个token, K K K 是vocab的大小。
图中公式4根据链式法则得到:
$$
- \frac{ \partial ln(p(l \mid x)) }{ \partial u^t_k }
= - \sum_{k’=1}^{K} \frac{ \partial ln(p(l \mid x)) }{ \partial y^t_{k’} } \frac{ \partial y^t_{k’} }{ \partial u^t_k } \tag{4}
$$
图中公式3是softmax的梯度,参考 [4],计算过程如下:
s
o
f
t
m
a
x
(
j
)
=
S
j
=
e
a
j
∑
k
=
1
K
e
a
k
,
∀
j
∈
1
…
K
softmax(j) = S_j = \frac{ e^{a_j} }{ \sum_{k=1}^K e^{a_k} }, \enspace \forall j \in 1 \dots K
softmax(j)=Sj=∑k=1Keakeaj,∀j∈1…K
∂
S
i
∂
a
j
=
∂
(
e
a
i
∑
k
e
a
k
)
∂
a
j
=
{
e
i
a
∑
−
e
j
a
e
i
a
∑
2
=
e
i
a
∑
∑
−
e
j
a
∑
=
S
i
(
1
−
S
j
)
i = j,
∑
stands for
∑
k
=
1
K
e
k
a
0
−
e
j
a
e
i
a
∑
2
=
−
e
j
a
∑
e
i
a
∑
=
−
S
j
S
i
i
≠
j,
∑
stands for
∑
k
=
1
K
e
k
a
=
{
S
i
(
1
−
S
j
)
i
=
j
−
S
j
S
i
=
S
i
(
0
−
S
j
)
i
≠
j
=
S
i
(
δ
i
j
−
S
j
)
(3)
\begin{split} \frac{ \partial S_i }{ \partial a_j} &= \frac{ \partial (\frac{ e^{ a_i } }{ \sum_k e^{ a_k } }) } { \partial a_j } \newline &= \begin{cases} \frac{ e^a_i \sum - e^a_j e^a_i }{ \sum^2 } &= \frac{ e^a_i }{ \sum } \frac{ \sum - e^a_j }{ \sum } \newline &= S_i(1-S_j) & \text{i = j, $\sum$ stands for $\sum_{k=1}^K e^a_k$} \newline \frac{ 0 - e^a_j e^a_i }{ \sum^2 } &= - \frac{ e^a_j }{ \sum } \frac{ e^a_i }{ \sum } \newline &= -S_j S_i & \text{i $\neq$ j, $\sum$ stands for $\sum_{k=1}^K e^a_k$} \end{cases} \newline &= \begin{cases} S_i(1 - S_j) & \text{$i = j$} \newline -S_j S_i = S_i (0 - S_j) & \text{$i \neq j$} \end{cases} \newline &= S_i (\delta_{ij} - S_j ) \end{split} \tag{3}
∂aj∂Si=∂aj∂(∑keakeai)=⎩
⎨
⎧∑2eia∑−ejaeia∑20−ejaeia=∑eia∑∑−eja=Si(1−Sj)=−∑eja∑eia=−SjSii = j, ∑ stands for ∑k=1Kekai = j, ∑ stands for ∑k=1Keka={Si(1−Sj)−SjSi=Si(0−Sj)i=ji=j=Si(δij−Sj)(3)
δ
i
j
=
{
1
if i = j
0
otherwise
\delta_{ij} = \begin{cases} 1 & \text{if i = j} \newline 0 & \text{otherwise} \end{cases}
δij={10if i = jotherwise
下图中黄色框中的部分表示公式(1),即遍历所有的vocab中的token,其结果是 p ( l ∣ x ) p(l \mid x) p(l∣x)。这是因为label l l l 中的token一定在vocab中,且 s ∈ l a b ( l , k ′ ) s \in lab(l, k') s∈lab(l,k′) 可以是空集。当 k ′ k' k′ 在 l 中,s 则为label中token是 k ′ k' k′的概率;当 k ′ k' k′不在l中,s为空,概率为0。
公式(2),(3)带入(4),并结合公式(1)的结果如上图右边,即:
−
∂
l
n
(
p
(
l
∣
x
)
)
∂
u
k
t
=
−
∑
k
′
=
1
K
∂
l
n
(
p
(
l
∣
x
)
)
∂
y
k
′
t
∂
y
k
′
t
∂
u
k
t
=
−
∑
k
′
=
1
K
y
k
′
t
(
δ
k
k
′
−
y
k
t
)
p
(
l
∣
x
)
y
k
′
t
2
∑
s
∈
l
a
b
(
l
,
k
′
)
α
t
(
s
)
β
t
(
s
)
=
−
∑
k
′
=
1
K
δ
k
k
′
−
y
k
t
p
(
l
∣
x
)
y
k
′
t
∑
s
∈
l
a
b
(
l
,
k
′
)
α
t
(
s
)
β
t
(
s
)
=
∑
k
′
=
1
K
y
k
t
−
δ
k
k
′
p
(
l
∣
x
)
y
k
′
t
∑
s
∈
l
a
b
(
l
,
k
′
)
α
t
(
s
)
β
t
(
s
)
=
∑
k
′
=
1
K
y
t
p
(
l
∣
x
)
y
k
′
t
∑
s
∈
l
a
b
(
l
,
k
′
)
α
t
(
s
)
β
t
(
s
)
−
∑
k
′
=
1
K
δ
k
k
′
p
(
l
∣
x
)
y
k
′
t
∑
s
∈
l
a
b
(
l
,
k
′
)
α
t
(
s
)
β
t
(
s
)
=
y
k
t
p
(
l
∣
x
)
(
∑
k
′
=
1
K
1
y
k
′
t
∑
s
∈
l
a
b
(
l
,
k
′
)
α
t
(
s
)
β
t
(
s
)
)
−
∑
k
′
=
1
K
δ
k
k
′
p
(
l
∣
x
)
y
k
′
t
∑
s
∈
l
a
b
(
l
,
k
′
)
α
t
(
s
)
β
t
(
s
)
=
y
k
t
p
(
l
∣
x
)
p
(
l
∣
x
)
−
∑
k
′
=
1
K
δ
k
k
′
p
(
l
∣
x
)
y
k
′
t
∑
s
∈
l
a
b
(
l
,
k
′
)
α
t
(
s
)
β
t
(
s
)
=
y
k
t
−
1
p
(
l
∣
x
)
y
k
t
∑
s
∈
l
a
b
(
l
,
k
)
α
t
(
s
)
β
t
(
s
)
\begin{split} - \frac{ \partial ln(p(l \mid x)) }{ \partial u^t_k } &= - \sum_{k'=1}^K \frac{ \partial ln(p(l \mid x)) }{ \partial y^t_{k'} } \frac{ \partial y^t_{k'}}{ \partial u^t_k } \newline &= - \sum_{k'=1}^K \frac{ y^t_{k'}( \delta_{kk'} - y^t_k ) }{ p(l \mid x) {y^t_{k'}}^2 } \sum_{s \in lab(l, k') } \alpha_t(s) \beta_t(s) \newline &= - \sum_{k'=1}^K \frac{ \delta_{kk'} - y^t_k }{ p(l \mid x) y^t_{k'} } \sum_{s \in lab(l, k') } \alpha_t(s) \beta_t(s) \newline &= \sum_{k'=1}^K \frac{ y^t_k - \delta_{kk'} }{ p(l \mid x) y^t_{k'} } \sum_{s \in lab(l, k') } \alpha_t(s) \beta_t(s) \newline &= \sum_{k'=1}^K \frac{ y^t }{ p(l \mid x) y^t_{k'} } \sum_{s \in lab(l, k') } \alpha_t(s) \beta_t(s) - \sum_{k'=1}^K \frac{ \delta_{kk'} }{ p(l \mid x) y^t_{k'} } \sum_{s \in lab(l, k') } \alpha_t(s) \beta_t(s) \newline &= \frac{ y^t_k }{ p(l \mid x) } ( \sum_{k'=1}^K \frac{1}{y^t_{k'}} \sum_{s \in lab(l, k') } \alpha_t(s) \beta_t(s) ) - \sum_{k'=1}^K \frac{ \delta_{kk'} }{ p(l \mid x) y^t_{k'} } \sum_{s \in lab(l, k') } \alpha_t(s) \beta_t(s) \newline &= \frac{ y^t_k }{ p(l \mid x) } p(l \mid x) - \sum_{k'=1}^K \frac{ \delta_{kk'} }{ p(l \mid x) y^t_{k'} } \sum_{s \in lab(l, k') } \alpha_t(s) \beta_t(s) \newline &= y^t_k - \frac{ 1 }{ p(l \mid x) y^t_k } \sum_{s \in lab(l, k)} \alpha_t(s) \beta_t(s) \newline \end{split}
−∂ukt∂ln(p(l∣x))=−k′=1∑K∂yk′t∂ln(p(l∣x))∂ukt∂yk′t=−k′=1∑Kp(l∣x)yk′t2yk′t(δkk′−ykt)s∈lab(l,k′)∑αt(s)βt(s)=−k′=1∑Kp(l∣x)yk′tδkk′−ykts∈lab(l,k′)∑αt(s)βt(s)=k′=1∑Kp(l∣x)yk′tykt−δkk′s∈lab(l,k′)∑αt(s)βt(s)=k′=1∑Kp(l∣x)yk′tyts∈lab(l,k′)∑αt(s)βt(s)−k′=1∑Kp(l∣x)yk′tδkk′s∈lab(l,k′)∑αt(s)βt(s)=p(l∣x)ykt(k′=1∑Kyk′t1s∈lab(l,k′)∑αt(s)βt(s))−k′=1∑Kp(l∣x)yk′tδkk′s∈lab(l,k′)∑αt(s)βt(s)=p(l∣x)yktp(l∣x)−k′=1∑Kp(l∣x)yk′tδkk′s∈lab(l,k′)∑αt(s)βt(s)=ykt−p(l∣x)ykt1s∈lab(l,k)∑αt(s)βt(s)
最终,为了通过softmax层传播CTCLoss的梯度,需要计算目标函数与 logits u k t u^t_k ukt 的偏微分,即Eq. 16:
α ^ t ( s ) = d e f α t ( s ) C t , C t = d e f ∑ s α t ( s ) β ^ t ( s ) = d e f β t ( s ) D t , D t = d e f ∑ s β t ( s ) − ∂ l n ( p ( l ∣ x ) ) ∂ u k t = y k t − 1 y k t ∑ s = 1 ∣ l ′ ∣ α ^ t ( s ) β ^ t ( s ) y l s ′ t ∑ s ∈ l a b ( l , k ) α ^ t ( s ) β ^ t ( s ) \begin{align*} \hat{\alpha}_t(s) & \overset{def}{=} \frac{ \alpha_t(s) }{ C_t } ,\enspace C_t \overset{def}{=} \sum_s \alpha_t(s) \newline \hat{\beta}_t(s) & \overset{def}{=} \frac{ \beta_t(s) }{ D_t } ,\enspace D_t \overset{def}{=} \sum_s \beta_t(s) \newline - \frac{ \partial ln(p(l \mid x)) }{ \partial u^t_k } &= y^t_k - \frac{1}{y^t_k \sum_{s=1}^{\mid l' \mid} \frac{ \hat{\alpha}_t(s) \hat{\beta}_t(s) }{ y^t_{l'_s} } } \sum_{s \in lab(l, k)} \hat{\alpha}_t(s) \hat{\beta}_t(s) \tag{16} \newline \end{align*} α^t(s)β^t(s)−∂ukt∂ln(p(l∣x))=defCtαt(s),Ct=defs∑αt(s)=defDtβt(s),Dt=defs∑βt(s)=ykt−ykt∑s=1∣l′∣yls′tα^t(s)β^t(s)1s∈lab(l,k)∑α^t(s)β^t(s)(16)
总结
-
通过动态规划算法计算 α t ( s ) \alpha_t(s) αt(s) 和 β t ( s ) \beta_t(s) βt(s)
-
通过 α t ( s ) \alpha_t(s) αt(s) 计算 p ( l ∣ x ) = α T ( ∣ l ′ ∣ ) + α T ( ∣ l ′ ∣ − 1 ) p(l \mid x)=\alpha_T(\mid l' \mid) + \alpha_T(\mid l' \mid -1) p(l∣x)=αT(∣l′∣)+αT(∣l′∣−1)
-
通过 α t ( s ) \alpha_t(s) αt(s) 和 β t ( s ) \beta_t(s) βt(s)
-
计算CTcLoss函数的导数:
− ∂ l n ( p ( l ∣ x ) ) ∂ u k t = y k t − 1 p ( l ∣ x ) y k t ∑ s ∈ l a b ( l , k ) α t ( s ) β t ( s ) = y k t − 1 y k t ∑ s = 1 ∣ l ′ ∣ α ^ t ( s ) β ^ t ( s ) y l s ′ t ∑ s ∈ l a b ( l , k ) α ^ t ( s ) β ^ t ( s ) (16) \begin{split} - \frac{ \partial ln(p(l \mid x)) }{ \partial u^t_k } &= y^t_k - \frac{ 1 }{ p(l \mid x) y^t_k } \sum_{s \in lab(l, k)} \alpha_t(s) \beta_t(s) \newline &= y^t_k - \frac{1}{y^t_k \sum_{s=1}^{\mid l' \mid} \frac{ \hat{\alpha}_t(s) \hat{\beta}_t(s) }{ y^t_{l'_s} } } \sum_{s \in lab(l, k)} \hat{\alpha}_t(s) \hat{\beta}_t(s) \newline \end{split} \tag{16} −∂ukt∂ln(p(l∣x))=ykt−p(l∣x)ykt1s∈lab(l,k)∑αt(s)βt(s)=ykt−ykt∑s=1∣l′∣yls′tα^t(s)β^t(s)1s∈lab(l,k)∑α^t(s)β^t(s)(16)
P.S. 欢迎关注我们的 github repo PaddleSpeech, 是基于飞桨 PaddlePaddle 的语音方向的开源模型库,用于语音和音频中的各种关键任务的开发,包含大量基于深度学习前沿和有影响力的模型。
更多推荐
所有评论(0)