paddlespeech.s2t.modules.subsampling 模块

子采样层定义。

class paddlespeech.s2t.modules.subsampling.Conv2dSubsampling4(idim: int, odim: int, dropout_rate: float, pos_enc_class: ~paddle.fluid.dygraph.layers.Layer = <class 'paddlespeech.s2t.modules.embedding.PositionalEncoding'>)

基础： Conv2dSubsampling

卷积二维下采样（至1/4长度）。

方法

__call__(*inputs, **kwargs)	将self作为一个函数调用。
add_parameter(name, parameter)	添加一个参数实例。
add_sublayer(name, sublayer)	添加一个子层实例。
apply(fn)	递归地将 fn 应用到每个子层（由 .sublayers() 返回）以及自身。
buffers([include_sublayers])	返回当前层及其子层中的所有缓冲区的列表。
children()	返回一个迭代器，遍历直接子层。
clear_gradients()	清除此层所有参数的梯度。
create_parameter(shape[, attr, dtype, ...])	为该层创建参数。
create_tensor([name, persistable, dtype])	为该层创建张量。
create_variable([name, persistable, dtype])	为该层创建张量。
eval()	将该层及其所有子层设置为评估模式。
extra_repr()	该层的额外表示，您可以自定义实现自己的层。
forward(x, x_mask[, offset])	对x进行下采样。 参数： x (paddle.Tensor)：输入张量 (#batch, time, idim)。 x_mask (paddle.Tensor)：输入掩码 (#batch, 1, time)。 offset (int)：位置编码偏移。 返回： paddle.Tensor：下采样张量 (#batch, time', odim)， 其中 time' = time // 4。 paddle.Tensor：位置编码 paddle.Tensor：下采样掩码 (#batch, 1, time')， 其中 time' = time // 4。
full_name()	此层的完整名称，由 name_scope + "/" + MyLayer.__class__.__name__ 组成
load_dict(state_dict[, use_structured_name])	从 state_dict 设置参数和可持久化缓存。
named_buffers([prefix, include_sublayers])	返回一个迭代器，遍历层中的所有缓冲区，生成名称和张量的元组。
named_children()	返回一个直接子层的迭代器，同时提供层的名称和层本身。
named_parameters([prefix, include_sublayers])	返回一个迭代器，遍历层中的所有参数，生成名称和参数的元组。
named_sublayers([prefix, include_self, ...])	返回Layer中所有子层的迭代器，生成名称和子层的元组。
parameters([include_sublayers])	返回当前层及其子层的所有参数的列表。
register_buffer(name, tensor[, persistable])	将一个张量注册为该层的缓冲区。
register_forward_post_hook(hook)	为层注册一个前向后钩子。
register_forward_pre_hook(hook)	为层注册一个前向预钩子。
set_dict(state_dict[, use_structured_name])	从 state_dict 设置参数和可持久化的缓冲区。
set_state_dict(state_dict[, use_structured_name])	从state_dict设置参数和持久化缓冲区。
state_dict([destination, include_sublayers, ...])	获取当前层及其子层的所有参数和可持久化缓冲区。
sublayers([include_self])	返回子层的列表。
to([device, dtype, blocking])	通过给定的设备、数据类型和阻塞方式转换层的参数和缓冲区。
to_static_state_dict([destination, ...])	获取当前层及其子层的所有参数和缓冲区。
train()	将此层及其所有子层设置为训练模式。

向后
位置编码
注册状态字典钩子

forward(x: Tensor, x_mask: Tensor, offset: int = 0) → Tuple[Tensor, Tensor, Tensor]

子样本 x。 参数：

x (paddle.Tensor): 输入张量 (#batch, time, idim).
x_mask (paddle.Tensor): 输入掩码 (#batch, 1, time).
offset (int): 位置编码偏移量.

Returns:

paddle.Tensor: Subsampled tensor (#batch, time', odim),

在这里时间' = 时间 // 4.

paddle.Tensor: 位置编码 paddle.Tensor: 子采样掩码 (#batch, 1, time'),

其中时间' = 时间 // 4.

class paddlespeech.s2t.modules.subsampling.Conv2dSubsampling6(idim: int, odim: int, dropout_rate: float, pos_enc_class: ~paddle.fluid.dygraph.layers.Layer = <class 'paddlespeech.s2t.modules.embedding.PositionalEncoding'>)

基础： Conv2dSubsampling

卷积二维下采样（至 1/6 长度）。

方法

__call__(*inputs, **kwargs)	将self作为一个函数调用。
add_parameter(name, parameter)	添加一个参数实例。
add_sublayer(name, sublayer)	添加一个子层实例。
apply(fn)	递归地将 fn 应用到每个子层（由 .sublayers() 返回）以及自身。
buffers([include_sublayers])	返回当前层及其子层中的所有缓冲区的列表。
children()	返回一个迭代器，遍历直接子层。
clear_gradients()	清除此层所有参数的梯度。
create_parameter(shape[, attr, dtype, ...])	为该层创建参数。
create_tensor([name, persistable, dtype])	为该层创建张量。
create_variable([name, persistable, dtype])	为该层创建张量。
eval()	将该层及其所有子层设置为评估模式。
extra_repr()	该层的额外表示，您可以自定义实现自己的层。
forward(x, x_mask[, offset])	对 x 进行下采样。 参数： x (paddle.Tensor): 输入张量 (#batch, time, idim)。 x_mask (paddle.Tensor): 输入掩码 (#batch, 1, time)。 offset (int): 位置编码偏移。 返回： paddle.Tensor: 下采样的张量 (#batch, time', odim)， 其中 time' = time // 6。 paddle.Tensor: 位置编码 paddle.Tensor: 下采样的掩码 (#batch, 1, time'), 其中 time' = time // 6。
full_name()	此层的完整名称，由 name_scope + "/" + MyLayer.__class__.__name__ 组成
load_dict(state_dict[, use_structured_name])	从 state_dict 设置参数和可持久化缓存。
named_buffers([prefix, include_sublayers])	返回一个迭代器，遍历层中的所有缓冲区，生成名称和张量的元组。
named_children()	返回一个直接子层的迭代器，同时提供层的名称和层本身。
named_parameters([prefix, include_sublayers])	返回一个迭代器，遍历层中的所有参数，生成名称和参数的元组。
named_sublayers([prefix, include_self, ...])	返回Layer中所有子层的迭代器，生成名称和子层的元组。
parameters([include_sublayers])	返回当前层及其子层的所有参数的列表。
register_buffer(name, tensor[, persistable])	将一个张量注册为该层的缓冲区。
register_forward_post_hook(hook)	为层注册一个前向后钩子。
register_forward_pre_hook(hook)	为层注册一个前向预钩子。
set_dict(state_dict[, use_structured_name])	从 state_dict 设置参数和可持久化的缓冲区。
set_state_dict(state_dict[, use_structured_name])	从state_dict设置参数和持久化缓冲区。
state_dict([destination, include_sublayers, ...])	获取当前层及其子层的所有参数和可持久化缓冲区。
sublayers([include_self])	返回子层的列表。
to([device, dtype, blocking])	通过给定的设备、数据类型和阻塞方式转换层的参数和缓冲区。
to_static_state_dict([destination, ...])	获取当前层及其子层的所有参数和缓冲区。
train()	将此层及其所有子层设置为训练模式。

向后
位置编码
注册状态字典钩子

forward(x: Tensor, x_mask: Tensor, offset: int = 0) → Tuple[Tensor, Tensor, Tensor]

子样本 x。 参数：

x (paddle.Tensor): 输入张量 (#batch, time, idim). x_mask (paddle.Tensor): 输入掩码 (#batch, 1, time). offset (int): 位置编码偏移量.

Returns:

paddle.Tensor: Subsampled tensor (#batch, time', odim),

其中时间' = 时间 // 6.

paddle.Tensor: 位置编码 paddle.Tensor: 子采样掩码 (#batch, 1, time'),

其中 time' = time // 6。

class paddlespeech.s2t.modules.subsampling.Conv2dSubsampling8(idim: int, odim: int, dropout_rate: float, pos_enc_class: ~paddle.fluid.dygraph.layers.Layer = <class 'paddlespeech.s2t.modules.embedding.PositionalEncoding'>)

基础： Conv2dSubsampling

二维卷积下采样（至1/8长度）。

方法

__call__(*inputs, **kwargs)	将self作为一个函数调用。
add_parameter(name, parameter)	添加一个参数实例。
add_sublayer(name, sublayer)	添加一个子层实例。
apply(fn)	递归地将 fn 应用到每个子层（由 .sublayers() 返回）以及自身。
buffers([include_sublayers])	返回当前层及其子层中的所有缓冲区的列表。
children()	返回一个迭代器，遍历直接子层。
clear_gradients()	清除此层所有参数的梯度。
create_parameter(shape[, attr, dtype, ...])	为该层创建参数。
create_tensor([name, persistable, dtype])	为该层创建张量。
create_variable([name, persistable, dtype])	为该层创建张量。
eval()	将该层及其所有子层设置为评估模式。
extra_repr()	该层的额外表示，您可以自定义实现自己的层。
forward(x, x_mask[, offset])	对 x 进行子采样。 参数: x (paddle.Tensor): 输入张量 (#batch, time, idim)。 x_mask (paddle.Tensor): 输入掩码 (#batch, 1, time)。 offset (int): 位置编码偏移。 返回: paddle.Tensor: 子采样张量 (#batch, time', odim)， 其中 time' = time // 8。 paddle.Tensor: 位置编码 paddle.Tensor: 子采样掩码 (#batch, 1, time')， 其中 time' = time // 8。
full_name()	此层的完整名称，由 name_scope + "/" + MyLayer.__class__.__name__ 组成
load_dict(state_dict[, use_structured_name])	从 state_dict 设置参数和可持久化缓存。
named_buffers([prefix, include_sublayers])	返回一个迭代器，遍历层中的所有缓冲区，生成名称和张量的元组。
named_children()	返回一个直接子层的迭代器，同时提供层的名称和层本身。
named_parameters([prefix, include_sublayers])	返回一个迭代器，遍历层中的所有参数，生成名称和参数的元组。
named_sublayers([prefix, include_self, ...])	返回Layer中所有子层的迭代器，生成名称和子层的元组。
parameters([include_sublayers])	返回当前层及其子层的所有参数的列表。
register_buffer(name, tensor[, persistable])	将一个张量注册为该层的缓冲区。
register_forward_post_hook(hook)	为层注册一个前向后钩子。
register_forward_pre_hook(hook)	为层注册一个前向预钩子。
set_dict(state_dict[, use_structured_name])	从 state_dict 设置参数和可持久化的缓冲区。
set_state_dict(state_dict[, use_structured_name])	从state_dict设置参数和持久化缓冲区。
state_dict([destination, include_sublayers, ...])	获取当前层及其子层的所有参数和可持久化缓冲区。
sublayers([include_self])	返回子层的列表。
to([device, dtype, blocking])	通过给定的设备、数据类型和阻塞方式转换层的参数和缓冲区。
to_static_state_dict([destination, ...])	获取当前层及其子层的所有参数和缓冲区。
train()	将此层及其所有子层设置为训练模式。

向后
位置编码
注册状态字典钩子

forward(x: Tensor, x_mask: Tensor, offset: int = 0) → Tuple[Tensor, Tensor, Tensor]

子样本 x。 参数：

x (paddle.Tensor): 输入张量 (#batch, time, idim). x_mask (paddle.Tensor): 输入掩码 (#batch, 1, time). offset (int): 位置编码偏移量.

Returns:

paddle.Tensor: Subsampled tensor (#batch, time', odim),

其中时间' = 时间 // 8.

paddle.Tensor: 位置编码 paddle.Tensor: 子采样掩码 (#batch, 1, time'),

其中 time' = time // 8。

class paddlespeech.s2t.modules.subsampling.DepthwiseConv2DSubsampling4(idim: int, odim: int, pos_enc_class: Layer, dw_stride: bool = False, input_size: int = 80, input_dropout_rate: float = 0.1, init_weights: bool = True)

基础： BaseSubsampling

深度可分离卷积 2D 下采样（到 1/4 长度）。

Args:

idim (int): 输入维度。
odim (int): 输出维度。
pos_enc_class (nn.Layer): 位置编码类。
dw_stride (int): 是否进行深度卷积。
input_size (int): 滤波器组维度。

方法

__call__(*inputs, **kwargs)	将self作为一个函数调用。
add_parameter(name, parameter)	添加一个参数实例。
add_sublayer(name, sublayer)	添加一个子层实例。
apply(fn)	递归地将 fn 应用到每个子层（由 .sublayers() 返回）以及自身。
buffers([include_sublayers])	返回当前层及其子层中的所有缓冲区的列表。
children()	返回一个迭代器，遍历直接子层。
clear_gradients()	清除此层所有参数的梯度。
create_parameter(shape[, attr, dtype, ...])	为该层创建参数。
create_tensor([name, persistable, dtype])	为该层创建张量。
create_variable([name, persistable, dtype])	为该层创建张量。
eval()	将该层及其所有子层设置为评估模式。
extra_repr()	该层的额外表示，您可以自定义实现自己的层。
forward(x, x_mask[, offset])	定义每次调用时执行的计算。
full_name()	此层的完整名称，由 name_scope + "/" + MyLayer.__class__.__name__ 组成
load_dict(state_dict[, use_structured_name])	从 state_dict 设置参数和可持久化缓存。
named_buffers([prefix, include_sublayers])	返回一个迭代器，遍历层中的所有缓冲区，生成名称和张量的元组。
named_children()	返回一个直接子层的迭代器，同时提供层的名称和层本身。
named_parameters([prefix, include_sublayers])	返回一个迭代器，遍历层中的所有参数，生成名称和参数的元组。
named_sublayers([prefix, include_self, ...])	返回Layer中所有子层的迭代器，生成名称和子层的元组。
parameters([include_sublayers])	返回当前层及其子层的所有参数的列表。
register_buffer(name, tensor[, persistable])	将一个张量注册为该层的缓冲区。
register_forward_post_hook(hook)	为层注册一个前向后钩子。
register_forward_pre_hook(hook)	为层注册一个前向预钩子。
set_dict(state_dict[, use_structured_name])	从 state_dict 设置参数和可持久化的缓冲区。
set_state_dict(state_dict[, use_structured_name])	从state_dict设置参数和持久化缓冲区。
state_dict([destination, include_sublayers, ...])	获取当前层及其子层的所有参数和可持久化缓冲区。
sublayers([include_self])	返回子层的列表。
to([device, dtype, blocking])	通过给定的设备、数据类型和阻塞方式转换层的参数和缓冲区。
to_static_state_dict([destination, ...])	获取当前层及其子层的所有参数和缓冲区。
train()	将此层及其所有子层设置为训练模式。

向后
位置编码
注册状态字典钩子

forward(x: Tensor, x_mask: Tensor, offset: int = 0) → Tuple[Tensor, Tensor, Tensor]

定义每次调用时执行的计算。应该被所有子类重写。

Parameters:

*inputs(tuple): 解包的元组参数 **kwargs(dict): 解包的字典参数

class paddlespeech.s2t.modules.subsampling.LinearNoSubsampling(idim: int, odim: int, dropout_rate: float, pos_enc_class: ~paddle.fluid.dygraph.layers.Layer = <class 'paddlespeech.s2t.modules.embedding.PositionalEncoding'>)

基础： BaseSubsampling

线性变换输入而不进行下采样。

方法

__call__(*inputs, **kwargs)	将self作为一个函数调用。
add_parameter(name, parameter)	添加一个参数实例。
add_sublayer(name, sublayer)	添加一个子层实例。
apply(fn)	递归地将 fn 应用到每个子层（由 .sublayers() 返回）以及自身。
buffers([include_sublayers])	返回当前层及其子层中的所有缓冲区的列表。
children()	返回一个迭代器，遍历直接子层。
clear_gradients()	清除此层所有参数的梯度。
create_parameter(shape[, attr, dtype, ...])	为该层创建参数。
create_tensor([name, persistable, dtype])	为该层创建张量。
create_variable([name, persistable, dtype])	为该层创建张量。
eval()	将该层及其所有子层设置为评估模式。
extra_repr()	该层的额外表示，您可以自定义实现自己的层。
forward(x, x_mask[, offset])	输入 x。参数： x (paddle.Tensor): 输入张量 (#batch, time, idim)。 x_mask (paddle.Tensor): 输入掩码 (#batch, 1, time)。 offset (int): 位置编码偏移量。 返回： paddle.Tensor: 线性输入张量 (#batch, time', odim)， 其中 time' = time 。 paddle.Tensor: 位置编码 paddle.Tensor: 线性输入掩码 (#batch, 1, time')， 其中 time' = time 。
full_name()	此层的完整名称，由 name_scope + "/" + MyLayer.__class__.__name__ 组成
load_dict(state_dict[, use_structured_name])	从 state_dict 设置参数和可持久化缓存。
named_buffers([prefix, include_sublayers])	返回一个迭代器，遍历层中的所有缓冲区，生成名称和张量的元组。
named_children()	返回一个直接子层的迭代器，同时提供层的名称和层本身。
named_parameters([prefix, include_sublayers])	返回一个迭代器，遍历层中的所有参数，生成名称和参数的元组。
named_sublayers([prefix, include_self, ...])	返回Layer中所有子层的迭代器，生成名称和子层的元组。
parameters([include_sublayers])	返回当前层及其子层的所有参数的列表。
register_buffer(name, tensor[, persistable])	将一个张量注册为该层的缓冲区。
register_forward_post_hook(hook)	为层注册一个前向后钩子。
register_forward_pre_hook(hook)	为层注册一个前向预钩子。
set_dict(state_dict[, use_structured_name])	从 state_dict 设置参数和可持久化的缓冲区。
set_state_dict(state_dict[, use_structured_name])	从state_dict设置参数和持久化缓冲区。
state_dict([destination, include_sublayers, ...])	获取当前层及其子层的所有参数和可持久化缓冲区。
sublayers([include_self])	返回子层的列表。
to([device, dtype, blocking])	通过给定的设备、数据类型和阻塞方式转换层的参数和缓冲区。
to_static_state_dict([destination, ...])	获取当前层及其子层的所有参数和缓冲区。
train()	将此层及其所有子层设置为训练模式。

向后
位置编码
注册状态字典钩子

forward(x: Tensor, x_mask: Tensor, offset: int = 0) → Tuple[Tensor, Tensor, Tensor]

输入 x。
参数：

x (paddle.Tensor): 输入张量 (#batch, time, idim). x_mask (paddle.Tensor): 输入掩码 (#batch, 1, time). offset (int): 位置编码偏移量.

Returns:

paddle.Tensor: linear input tensor (#batch, time', odim),

其中 time' = time 。

paddle.Tensor: 位置编码 paddle.Tensor: 线性输入掩码 (#batch, 1, time'),

其中时间' = 时间。