文件名称：CTCDecoder:连接主义时间分类 (CTC) 解码算法
文件大小：814KB
文件格式：ZIP
更新时间：2024-08-13 03:30:02
python opencl recurrent-neural-networks speech-recognition beam-search
CTC解码算法 2021 年更新：可安装的 Python 包 一些常见的连接主义时间分类 (CTC) 解码算法的Python 实现。 提供了一个简约的语言模型。 安装 转到存储库的根级别 执行pip install . 转到tests/并执行pytest以检查安装是否有效 用法 基本用法 这是一个简约的可执行示例： import numpy as np from ctc_decoder import best_path , beam_search mat = np . array ([[ 0.4 , 0 , 0.6 ], [ 0.4 , 0 , 0.6 ]]) labels = 'ab' print ( f'Best path: " { best_path ( mat , labels ) } "' ) print ( f'Beam search: " { beam_search (
【文件预览】：
CTCDecoder-master
----ctc_decoder()
--------token_passing.py(5KB)
--------lexicon_search.py(1KB)
--------prefix_search.py(4KB)
--------loss.py(3KB)
--------__init__.py(621B)
--------language_model.py(1KB)
--------beam_search.py(5KB)
--------best_path.py(848B)
--------bk_tree.py(1KB)
--------common.py(354B)
----requirements.txt(25B)
----doc()
--------mini.png(38KB)
--------comparison.pdf(574KB)
--------word.png(48KB)
--------line.png(97KB)
----LICENSE.md(1KB)
----setup.py(340B)
----README.md(5KB)
----data()
--------word()
--------line()
--------README.md(515B)
----tests()
--------test_real_example.py(3KB)
--------test_bk_tree.py(400B)
--------README.md(2KB)
--------test_language_model.py(247B)
--------test_mini_example.py(1KB)
----.gitignore(95B)
----extras()
--------best_path_cl.py(5KB)
--------best_path_cl.cl(3KB)