【模型结构(全)】2021-04-30

SpeechToText(

  (frontend): ConvFrontEnd(

    (conv1): Conv2dLayer(

      (conv_layer): Conv2d(1, 64, kernel_size=[3, 3], stride=(2, 2), padding=(0, 1))

      (dropout): Dropout(p=0.0, inplace=False)

    )

    (conv2): Conv2dLayer(

      (conv_layer): Conv2d(64, 128, kernel_size=[3, 3], stride=(2, 2), padding=(0, 1))

      (dropout): Dropout(p=0.0, inplace=False)

    )

    (output_layer): Linear(in_features=1280, out_features=256, bias=True)

  )

  (encoder): TransformerEncoder(

    (pos_emb): PositionalEncoding(

      (dropout): Dropout(p=0.0, inplace=False)

    )

    (blocks): ModuleList(

      (0): TransformerEncoderLayer(

        (slf_attn): MultiHeadedSelfAttention(

          (output_proj): Linear(in_features=256, out_features=256, bias=True)

          (dropout): Dropout(p=0.0, inplace=False)

          (qvk_proj): Linear(in_features=256, out_features=768, bias=True)

        )

        (feed_forward): PositionwiseFeedForward(

          (w_1): Linear(in_features=256, out_features=2048, bias=True)

          (w_2): Linear(in_features=1024, out_features=256, bias=True)

          (dropout): Dropout(p=0.0, inplace=False)

        )

        (norm1): LayerNorm((256,), eps=1e-05, elementwise_affine=True)

        (norm2): LayerNorm((256,), eps=1e-05, elementwise_affine=True)

        (dropout1): Dropout(p=0.1, inplace=False)

        (dropout2): Dropout(p=0.1, inplace=False)

      )

      (1): TransformerEncoderLayer(

        (slf_attn): MultiHeadedSelfAttention(

          (output_proj): Linear(in_features=256, out_features=256, bias=True)

          (dropout): Dropout(p=0.0, inplace=False)

          (qvk_proj): Linear(in_features=256, out_features=768, bias=True)

        )

        (feed_forward): PositionwiseFeedForward(

          (w_1): Linear(in_features=256, out_features=2048, bias=True)

          (w_2): Linear(in_features=1024, out_features=256, bias=True)

          (dropout): Dropout(p=0.0, inplace=False)

        )

        (norm1): LayerNorm((256,), eps=1e-05, elementwise_affine=True)

        (norm2): LayerNorm((256,), eps=1e-05, elementwise_affine=True)

        (dropout1): Dropout(p=0.1, inplace=False)

        (dropout2): Dropout(p=0.1, inplace=False)

      )

      (2): TransformerEncoderLayer(

        (slf_attn): MultiHeadedSelfAttention(

          (output_proj): Linear(in_features=256, out_features=256, bias=True)

          (dropout): Dropout(p=0.0, inplace=False)

          (qvk_proj): Linear(in_features=256, out_features=768, bias=True)

        )

        (feed_forward): PositionwiseFeedForward(

          (w_1): Linear(in_features=256, out_features=2048, bias=True)

          (w_2): Linear(in_features=1024, out_features=256, bias=True)

          (dropout): Dropout(p=0.0, inplace=False)

        )

        (norm1): LayerNorm((256,), eps=1e-05, elementwise_affine=True)

        (norm2): LayerNorm((256,), eps=1e-05, elementwise_affine=True)

        (dropout1): Dropout(p=0.1, inplace=False)

        (dropout2): Dropout(p=0.1, inplace=False)

      )

      (3): TransformerEncoderLayer(

        (slf_attn): MultiHeadedSelfAttention(

          (output_proj): Linear(in_features=256, out_features=256, bias=True)

          (dropout): Dropout(p=0.0, inplace=False)

          (qvk_proj): Linear(in_features=256, out_features=768, bias=True)

        )

        (feed_forward): PositionwiseFeedForward(

          (w_1): Linear(in_features=256, out_features=2048, bias=True)

          (w_2): Linear(in_features=1024, out_features=256, bias=True)

          (dropout): Dropout(p=0.0, inplace=False)

        )

        (norm1): LayerNorm((256,), eps=1e-05, elementwise_affine=True)

        (norm2): LayerNorm((256,), eps=1e-05, elementwise_affine=True)

        (dropout1): Dropout(p=0.1, inplace=False)

        (dropout2): Dropout(p=0.1, inplace=False)

      )

    )

  )

  (decoder): TransformerDecoder(

    (embedding): Embedding(4233, 256)

    (pos_emb): PositionalEncoding(

      (dropout): Dropout(p=0.0, inplace=False)

    )

    (blocks): ModuleList(

      (0): TransformerDecoderLayer(

        (slf_attn): MultiHeadedSelfAttention(

          (output_proj): Linear(in_features=256, out_features=256, bias=True)

          (dropout): Dropout(p=0.0, inplace=False)

          (qvk_proj): Linear(in_features=256, out_features=768, bias=True)

        )

        (src_attn): MultiHeadedCrossAttention(

          (output_proj): Linear(in_features=256, out_features=256, bias=True)

          (dropout): Dropout(p=0.0, inplace=False)

          (q_proj): Linear(in_features=256, out_features=256, bias=True)

          (vk_proj): Linear(in_features=256, out_features=512, bias=True)

        )

        (feed_forward): PositionwiseFeedForward(

          (w_1): Linear(in_features=256, out_features=2048, bias=True)

          (w_2): Linear(in_features=1024, out_features=256, bias=True)

          (dropout): Dropout(p=0.0, inplace=False)

        )

        (norm1): LayerNorm((256,), eps=1e-05, elementwise_affine=True)

        (norm2): LayerNorm((256,), eps=1e-05, elementwise_affine=True)

        (norm3): LayerNorm((256,), eps=1e-05, elementwise_affine=True)

        (dropout1): Dropout(p=0.1, inplace=False)

        (dropout2): Dropout(p=0.1, inplace=False)

        (dropout3): Dropout(p=0.1, inplace=False)

      )

      (1): TransformerDecoderLayer(

        (slf_attn): MultiHeadedSelfAttention(

          (output_proj): Linear(in_features=256, out_features=256, bias=True)

          (dropout): Dropout(p=0.0, inplace=False)

          (qvk_proj): Linear(in_features=256, out_features=768, bias=True)

        )

        (src_attn): MultiHeadedCrossAttention(

          (output_proj): Linear(in_features=256, out_features=256, bias=True)

          (dropout): Dropout(p=0.0, inplace=False)

          (q_proj): Linear(in_features=256, out_features=256, bias=True)

          (vk_proj): Linear(in_features=256, out_features=512, bias=True)

        )

        (feed_forward): PositionwiseFeedForward(

          (w_1): Linear(in_features=256, out_features=2048, bias=True)

          (w_2): Linear(in_features=1024, out_features=256, bias=True)

          (dropout): Dropout(p=0.0, inplace=False)

        )

        (norm1): LayerNorm((256,), eps=1e-05, elementwise_affine=True)

        (norm2): LayerNorm((256,), eps=1e-05, elementwise_affine=True)

        (norm3): LayerNorm((256,), eps=1e-05, elementwise_affine=True)

        (dropout1): Dropout(p=0.1, inplace=False)

        (dropout2): Dropout(p=0.1, inplace=False)

        (dropout3): Dropout(p=0.1, inplace=False)

      )

      (2): TransformerDecoderLayer(

        (slf_attn): MultiHeadedSelfAttention(

          (output_proj): Linear(in_features=256, out_features=256, bias=True)

          (dropout): Dropout(p=0.0, inplace=False)

          (qvk_proj): Linear(in_features=256, out_features=768, bias=True)

        )

        (src_attn): MultiHeadedCrossAttention(

          (output_proj): Linear(in_features=256, out_features=256, bias=True)

          (dropout): Dropout(p=0.0, inplace=False)

          (q_proj): Linear(in_features=256, out_features=256, bias=True)

          (vk_proj): Linear(in_features=256, out_features=512, bias=True)

        )

        (feed_forward): PositionwiseFeedForward(

          (w_1): Linear(in_features=256, out_features=2048, bias=True)

          (w_2): Linear(in_features=1024, out_features=256, bias=True)

          (dropout): Dropout(p=0.0, inplace=False)

        )

        (norm1): LayerNorm((256,), eps=1e-05, elementwise_affine=True)

        (norm2): LayerNorm((256,), eps=1e-05, elementwise_affine=True)

        (norm3): LayerNorm((256,), eps=1e-05, elementwise_affine=True)

        (dropout1): Dropout(p=0.1, inplace=False)

        (dropout2): Dropout(p=0.1, inplace=False)

        (dropout3): Dropout(p=0.1, inplace=False)

      )

      (3): TransformerDecoderLayer(

        (slf_attn): MultiHeadedSelfAttention(

          (output_proj): Linear(in_features=256, out_features=256, bias=True)

          (dropout): Dropout(p=0.0, inplace=False)

          (qvk_proj): Linear(in_features=256, out_features=768, bias=True)

        )

        (src_attn): MultiHeadedCrossAttention(

          (output_proj): Linear(in_features=256, out_features=256, bias=True)

          (dropout): Dropout(p=0.0, inplace=False)

          (q_proj): Linear(in_features=256, out_features=256, bias=True)

          (vk_proj): Linear(in_features=256, out_features=512, bias=True)

        )

        (feed_forward): PositionwiseFeedForward(

          (w_1): Linear(in_features=256, out_features=2048, bias=True)

          (w_2): Linear(in_features=1024, out_features=256, bias=True)

          (dropout): Dropout(p=0.0, inplace=False)

        )

        (norm1): LayerNorm((256,), eps=1e-05, elementwise_affine=True)

        (norm2): LayerNorm((256,), eps=1e-05, elementwise_affine=True)

        (norm3): LayerNorm((256,), eps=1e-05, elementwise_affine=True)

        (dropout1): Dropout(p=0.1, inplace=False)

        (dropout2): Dropout(p=0.1, inplace=False)

        (dropout3): Dropout(p=0.1, inplace=False)

      )

    )

    (output_layer): Linear(in_features=256, out_features=4233, bias=True)

  )

  (crit): LabelSmoothingLoss()

  (assistor): CTCAssistor(

    (output_layer): Linear(in_features=256, out_features=4233, bias=True)

    (ctc_crit): CTCLoss()

  )

)

©著作权归作者所有,转载或内容合作请联系作者
  • 人面猴
    序言：七十年代末，一起剥皮案震惊了整个滨河市，随后出现的几起案子，更是在滨河造成了极大的恐慌，老刑警刘岩，带你破解...
    沈念sama阅读 217,907评论 6赞 506
  • 死咒
    序言：滨河连续发生了三起死亡事件，死亡现场离奇诡异，居然都是意外死亡，警方通过查阅死者的电脑和手机，发现死者居然都...
    沈念sama阅读 92,987评论 3赞 395
  • 救了他两次的神仙让他今天三更去死
    文/潘晓璐 我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
    开封第一讲书人阅读 164,298评论 0赞 354
  • 道士缉凶录：失踪的卖姜人
    文/不坏的土叔 我叫张陵，是天一观的道长。 经常有香客问我，道长，这世上最难降的妖魔是什么？ 我笑而不...
    开封第一讲书人阅读 58,586评论 1赞 293
  • 港岛之恋（遗憾婚礼）
    正文 为了忘掉前任，我火速办了婚礼，结果婚礼上，老公的妹妹穿的比我还像新娘。我一直安慰自己，他们只是感情好，可当我...
    茶点故事阅读 67,633评论 6赞 392
  • 恶毒庶女顶嫁案：这布局不是一般人想出来的
    文/花漫 我一把揭开白布。 她就那样静静地躺着，像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上，一...
    开封第一讲书人阅读 51,488评论 1赞 302
  • 城市分裂传说
    那天，我揣着相机与录音，去河边找鬼。 笑死，一个胖子当着我的面吹牛，可吹牛的内容都是我干的。 我是一名探鬼主播，决...
    沈念sama阅读 40,275评论 3赞 418
  • 双鸳鸯连环套：你想象不到人心有多黑
    文/苍兰香墨 我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
    开封第一讲书人阅读 39,176评论 0赞 276
  • 万荣杀人案实录
    序言：老挝万荣一对情侣失踪，失踪者是张志新（化名）和其女友刘颖，没想到半个月后，有当地人在树林里发现了一具尸体，经...
    沈念sama阅读 45,619评论 1赞 314
  • 护林员之死
    正文 独居荒郊野岭守林人离奇死亡，尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,819评论 3赞 336
  • 白月光启示录
    正文 我和宋清朗相恋三年，在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,932评论 1赞 348
  • 活死人
    序言：一个原本活蹦乱跳的男人离奇死亡，死状恐怖，灵堂内的尸体忽然破棺而出，到底是诈尸还是另有隐情，我是刑警宁泽，带...
    沈念sama阅读 35,655评论 5赞 346
  • 日本核电站爆炸内幕
    正文 年R本政府宣布，位于F岛的核电站，受9级特大地震影响，放射性物质发生泄漏。R本人自食恶果不足惜，却给世界环境...
    茶点故事阅读 41,265评论 3赞 329
  • 男人毒药：我在死后第九天来索命
    文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹，春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,871评论 0赞 22
  • 一桩弑父案，背后竟有这般阴谋
    文/苍兰香墨 我抬头看了看天上的太阳。三九已至，却和暖如春，着一层夹袄步出监牢的瞬间，已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,994评论 1赞 269
  • 情欲美人皮
    我被黑心中介骗来泰国打工， 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留，地道东北人。 一个月前我还...
    沈念sama阅读 48,095评论 3赞 370
  • 代替公主和亲
    正文 我出身青楼，却偏偏与公主长得像，于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子，可洞房花烛夜当晚...
    茶点故事阅读 44,884评论 2赞 354

推荐阅读更多精彩内容