百科问答小站 logo
百科问答小站 font logo



CTC和Encoder-Decoder有什么关系? 第1页

  

user avatar   maigo 网友的相关建议: 
      
  1. 是否把 LSTM + CTC 看成编码器 + 解码器的结构,我觉得是一个无所谓的问题。

其实任何一种网络结构,都可以看成编码器 + 解码器,只要把网络的低几层看成编码器,高几层看成解码器就行了。但对于 LSTM + CTC 来说,到底把哪几层看成编码器,哪几层看成解码器,并没有一个明确的界限,不像注意力网络中,编码器与解码器中间有一个注意力层的结构是跟其它层不同的。所以说 LSTM + CTC 是编码器 + 解码器,不能算错,但没什么意思。

2. 变长序列的端到端学习方法,我觉得有三种主流思路,除了 CTC 和注意力以外,还有 transducer。下面这篇文章就比较了三种方法用于语音识别的效果:

我对它们的总结是这样的:




  

相关话题

  为什么百度、搜狗、讯飞的语音识别宣称的准确率都是 97%? 
  如何评价周志华在微博对 AlphaGo 和机器学习技术的评论? 
  现大二,准备做大学生创新创业项目计划 ,目前定的方向是深度学习+畜牧业/养殖业,有什么建议给我们吗? 
  Yoshua Bengio为什么能跟Hinton、LeCun相提并论?? 
  为什么计算注意力机制的时候不加偏置项? 
  在文本分类任务中,有哪些论文中很少提及却对性能有重要影响的tricks? 
  应该选择TensorFlow还是Theano? 
  TensorFlow的自动求导具体是在哪部分代码里实现的? 
  人工智能退潮期来了吗? 
  如何解读 Jeff Dean 等联合在 arXiv 上发布的用深度学习分析电子病历的论文? 

前一个讨论
如何看待Meta(恺明)最新论文ViTDet:只用ViT做backbone(不使用FPN)的检测模型?
下一个讨论
计算流体力学(CFD)里应用注意力机制(attention)是否可行?





© 2025-05-06 - tinynew.org. All Rights Reserved.
© 2025-05-06 - tinynew.org. 保留所有权利