row_conv¶

paddle.static.nn. row_conv ( input, future_context_size, param_attr=None, act=None ) [源代码] ¶

行卷积（Row-convolution operator）或称之为超前卷积（lookahead convolution），最早介绍于 DeepSpeech2 论文中，双向的 RNN 在深度语音模型中很有用，它通过对整个序列执行正向和反向传递来学习序列的表示。

然而，与单向 RNNs 不同的是，在线部署和低延迟设置中，双向 RNNs 具有难度。超前卷积将来自未来子序列的信息以一种高效的方式进行计算，以改进单向递归神经网络。row convolution operator 与一维序列卷积不同，计算方法如下：

给定输入序列长度为 \(t\) 的输入序列 \(X\) 和输入维度 \(D\)，以及一个大小为 \(context * D\) 的滤波器 \(W\)，输出序列卷积为：

\[out_i = \sum_{j=i}^{i+context-1} X_{j} · W_{j-i}\]

公式中：

\(out_i\)：第 i 行输出变量形为[1, D]。
\(context\)：下文（future context）大小
\(X_j\)：第 j 行输出变量，形为[1，D]
\(W_{j-i}\)：第(j-i)行参数，其形状为[1,D]。

详细请参考设计文档。

论文链接：Deep Speech 2: End-to-End Speech Recognition in English and Mandarin 。

参数¶

input (Tensor) - 支持输入为 LodTensor 和 Tensor，输入类型可以是[float32, float64]，它支持可变时间长度的输入序列。当输入 input 为 LodTensor 时，其内部张量是一个具有形状(T x N)的矩阵，其中 T 是这个 mini batch 中的总的 timestep，N 是输入数据维数。当输入 input 为 Tensor 时，其形状为(B x T x N)的三维矩阵，B 为 mini batch 大小，T 为每个 batch 输入中的最大 timestep，N 是输入数据维数。当输入 input 为 LoDTensor，形状为[9, N],LoD 信息为[2, 3, 4]，等价于输入 input 为形状是[3, 4, N]的 Tensor。

future_context_size (int) - 下文大小。请注意，卷积核的 shape 是[future_context_size + 1, N]，N 和输入 input 的数据维度 N 保持一致。

param_attr (ParamAttr) - 参数的属性，包括名称、初始化器等。

act (str) - 非线性激活函数。

返回¶

表示 row_conv 计算结果的 Tensor，数据类型、维度和输入 input 相同。

代码示例¶

          # for LodTensor inputs
import paddle
paddle.enable_static()
x = paddle.static.data(name='x', shape=[9, 16],
                       dtype='float32', lod_level=1)
out = paddle.static.nn.row_conv(input=x, future_context_size=2)
# for Tensor inputs
x = paddle.static.data(name='x', shape=[9, 4, 16], dtype='float32')
out = paddle.static.nn.row_conv(input=x, future_context_size=2)

         