docs/topic/ctc/ctc_loss.ipynb

{
 "cells": [
  {
   "cell_type": "markdown",
   "id": "piano-accent",
   "metadata": {},
   "source": [
    "# Derivative of CTC Loss\n",
    "\n",
    "关于CTC的介绍已经有很多不错的教程了，但是完整的描述CTCLoss的前向和反向过程的很少，而且有些公式推导省略和错误。本文主要关注CTC Loss的梯度是如何计算的，关于CTC的介绍这里不做过多赘述，具体参看文末参考。\n",
    "\n",
    "CTC主要应用于语音和OCR中，已语音[Deepspeech2](https://arxiv.org/abs/1512.02595)模型为例，CTC的网络一般如下图所示，包含softmax和CTCLoss两部分。反向传播需要求得loss L相对于logits $u^i$​的梯度。下面先介绍CTCLoss的前向计算。\n",
    "\n",
    "> 图片来源于文末参考\n",
    "\n",
    "![img](./img/ctc_loss_backward_1.png)\n",
    "\n",
    "## CTC Loss 的计算\n",
    "\n",
    "CTC中path的定义与概率的计算如下：\n",
    "\n",
    "<img src=\"./img/ctc_loss_prob_pi_x.png\" alt=\"image-20211104200811966\" style=\"zoom:50%;\" />\n",
    "\n",
    "path 是 $ L'^T$​​的元素，用 $ \\pi $​​表示。 $ \\textbf{x} $​​ 是输入特征，$\\textbf{y}$​​ 是输出label， 都是序列。 $ L $​​ 是输出的 vocab, L‘ 是 $ L \\cup {blank}$​​。 $y_{\\pi_{t}}^t$​​ 表示在t时刻，$\\pi_{t}$​​ label时的观察概率。其中$\\pi_{t}$​​ 表示 $\\pi$​​ path在t时刻的label。$\\pi$​​ 是 $\\textbf{y}$​​ 与 $ \\textbf{x}$​​ 的一个alignment，长度是$T$​​，取值空间为$L'$​​​。path也称为alignment。\n",
    "\n",
    "公式（2）解释了给定输入 $\\textbf{x}$​ ，输出 $ \\pi $​  path 的概率，即从时间t=1到T每个时间点的概率 $y_{\\pi_{t}}^t$​ 相乘。\n",
    "\n",
    "求出单条path后，就可以计算$p(l \\mid x)$​ 的概率，计算如下：\n",
    "\n",
    "<img src=\"./img/ctc_loss_prob_l_x.png\" alt=\"image-20211104202358513\" style=\"zoom:50%;\" />\n",
    "\n",
    "这里边 $\\mathcal{B}$ 就是映射， 即所有多对一的映射（many-to-one mapping )的集合。 这样就算出来对应一个真正的 label $\\textbf{l}$ 的概率了，这里是求和。 求和的原因就是 aab 和 abb 都是对应成ab, 所以 aab 的概率 + abb 的概率才是生成ab的概率。 \n",
    "\n",
    "公式（3）解释了给定输入 $\\mathbf{x}$​​​​​​ ，求输出$\\mathbf{l}$​​​​​​ 的概率， 即所有集合 $\\mathcal{B}^{-1} (\\mathbf{l})$​​​​​​​​​​ 中 path的概率和。\n",
    "\n",
    "### CTC forward-backward 算法\n",
    "\n",
    "CTC的优化采用算最大似然估计[MLE (maximum likelihood estimation)](https://en.wikipedia.org/wiki/Maximum_likelihood_estimation), 这个和神经网络本身的训练过程是一致的。\n",
    "\n",
    "这个CTC 计算过程类似HMM的 [forward-backward algorithm](https://en.wikipedia.org/wiki/Forward%E2%80%93backward_algorithm)，下面就是这个算法的推导过程：\n",
    "\n",
    "<img src=\"./img/ctc_loss_alpha_definition.png\" alt=\"image-20211104203040307\" style=\"zoom:50%;\" />\n",
    "\n",
    "上图中的定义很清楚， 但是$ \\alpha_{t-1}(s) $ and $ \\alpha_{t-1}(s-1)$ 和 $\\alpha_t(s)$ 的关系也不那么好看出来，下图给出了具体的关于 $\\alpha_t(s)$ 的推导过程：\n",
    "\n",
    "<img src=\"./img/ctc_loss_alpha_recurse.png\" alt=\"image-20211108155714843\" style=\"zoom:50%;\" />\n",
    "\n",
    "<img src=\"./img/ctc_loss_alpha_recurse_2.png\" alt=\"image-20211109153011816\" style=\"zoom:50%;\" />\n",
    "\n",
    "这里的公式比较适合用下面的图来理解，$\\alpha_1(1)$​​​​ 其实对应的就是下图中左上角白色的圆圈。 就是上来第一个是blank 的概率， 而 $\\alpha_1(2)$​​​​是label l 的第一个字母。 这里边我们假设每个字母之间都插入了空白，即label l扩展成l'，例如，l=[a, b, b, c]， l'=[-, a, -, b, -, b, -, c, -]。  然后对于其他圆点，在时间是1 的情况下概率都是 0. Figure 3中横轴是时间 t，从左到右是1到T；纵轴是s（sequence），从上到下是 1 到 $\\mathbf{\\mid l' \\mid}$​​​​.\n",
    "\n",
    "<img src=\"./img/ctc_loss_cat_lattice.png\" alt=\"image-20211108155918442\" style=\"zoom:50%;\" />\n",
    "\n",
    "接下来我们分析递归公式 (resursion)，更多介绍可以参看 [2]. 公式6分情况考虑:\n",
    "\n",
    "* 第一种情况就是当前的label是blank， 或者 $\\mathbf{l'}_{s}= \\mathbf{l'}_{s-2}$​​​​​​​(相邻是重复字符)：\n",
    "\n",
    "  ![img](https://distill.pub/2017/ctc/assets/cost_no_skip.svg)\n",
    "\n",
    "  这个时候他的概率来自于过去t-1的两个label 概率， 也就是 $a_{t-1} (s)$​​ 和 $a_{t-1} (s-1)$​​​ 。\n",
    "\n",
    "  $ a_{t-1} (s)$​​ 就是说当前的 sequence 已经是s 了，figure 3中表现为横跳， blank -->blank（例如t=3, s=3）；\n",
    "\n",
    "  而 $a_{t-1} (s-1) $是说明当前的字符还不够， 需要再加一个， 所以在figure 3中就是斜跳，从黑色圆圈到白色圆圈（例如，t=3, s=5）。\n",
    "\n",
    "  仔细观察figure 3， 除了第一排的白色圆圈， 其他白色圆圈都有两个输入， 就是上述的两种情况。  当然判断blank 的方法也可以是判断$I'_{s-2} = I'_{s}$​. 这种情况也是说明$I'_{s}$​​​ 是blank, 因为每一个字符必须用 blank 隔开， 即使是相同字符。\n",
    "\n",
    "* 第二章情况 也可以用类似逻辑得出， 只不过当前的状态s 是黑色圆圈， 有三种情况输入。\n",
    "\n",
    "  ![img](https://distill.pub/2017/ctc/assets/cost_regular.svg)\n",
    "\n",
    "最终的概率就如公式8 所示， 这个计算过程就是 CTC forward algroirthm， 基于 Fig. 3 的左边的初始条件。\n",
    "\n",
    "<img src=\"./img/ctc_loss_forward_loss.png\" alt=\"image-20211108162544982\" style=\"zoom:50%;\" />\n",
    "\n",
    "基于Fig. 3 右边的初始条件，我们还是可以计算出一个概率， 那个就是 **CTC backward**. 这里我就不详细介绍了， 直接截图。\n",
    "\n",
    "<img src=\"./img/ctc_loss_backward_recurse.png\" alt=\"image-20211108162859876\" style=\"zoom:50%;\" />\n",
    "\n",
    "这样一直做乘法， 数字值越来越小，很快就会underflow。 这个时候就需要做 scaling.\n",
    "\n",
    "<img src=\"./img/ctc_loss_rescale_loss.png\" alt=\"image-20211108163526616\" style=\"zoom:50%;\" />\n",
    "\n",
    "算出了forward probability 和 backward probability 有什么用呢， 解释如下图。\n",
    "\n",
    "<img src=\"./img/ctc_loss_forward_backward.png\" alt=\"image-20211108164110404\" style=\"zoom:50%;\" />\n",
    "\n",
    "上图是说 forward probability and backward probability 的乘积， 代表了这个 sequence $\\mathbf{l}$ t时刻，是s label 的 所有paths 的概率。 这样的话 我们就计算了 Fig. 3 中的每个圆圈的概率。为什么$\\alpha_t(s)\\beta_t(s)$ 中多出一个 $y^t_{\\mathbf{l'_s}}$ ，这是因为它在 $\\alpha$  和 $\\beta$ 中都包含该项，合并公式后就多出一项。\n",
    "\n",
    "<img src=\"./img/ctc_loss_forward_backward_to_loss.png\" alt=\"image-20211109143104052\" style=\"zoom:50%;\" />\n",
    "\n",
    "$p(\\mathbf{l}|\\mathbf{x})$​  可以通过任意时刻 t 的所有 s 的 foward-backward 概率计算得来。取负对数后就是单个样本的NLL（Negative Log Likelihood）。\n",
    "\n",
    "### 总结\n",
    "\n",
    "总结一下，根据前向概率计算CTCLoss函数，可以得出如下结论：\n",
    "\n",
    "1. 对于时序长度为T的输入序列x和输出序列z，前向概率：\n",
    "   $$\n",
    "   \\begin{split}\n",
    "   \\alpha_t(s) &= \\sum_{ \\underset{\\pi_t=l'_s}{\\pi \\in \\mathcal{B}^{-1}(z)} } p(\\pi_{1:t}|x) \\newline\n",
    "   \\alpha_1(1) &= y_{-}^1 ; \\quad \\alpha_1(2)=y^1_{l'_2}, \\quad \\alpha_1(s)=0, \\forall s > 2  \\newline\n",
    "   \\alpha_t(s) &= 0, \\quad \\forall s < |l'| - 2(T-t) - 1 ,\\quad \\text{or} \\quad \\forall s < 1 \\newline\n",
    "   \\alpha_t(s) &=\n",
    "    \\begin{cases}\n",
    "      (\\alpha_{t-1}(s) + \\alpha_{t-1}(s-1) ) y^t_{l'_s} & \\text{if $l'_s=b$ or $l'_{s-2} = l'_s$​}  \\newline\n",
    "      (\\alpha_{t-1}(s) + \\alpha_{t-1}(s-1) + \\alpha_{t-1}(s-2))y^t_{l'_s} & \\text{otherwise}\\newline\n",
    "    \\end{cases} \n",
    "   \\end{split}\n",
    "   $$\n",
    "\n",
    "2. 利用 $\\alpha_t(s)$ 计算CTCLoss：\n",
    "   $$\n",
    "   -ln(p(l \\mid x)) = -ln(\\alpha_{T}(|l'|)+\\alpha_{T}(|l'|-1))\n",
    "   $$\n",
    "\n",
    "根据后向概率计算CTCLoss函数，可以得出如下结论：\n",
    "\n",
    "1. 对于时序长度为T的输入序列x和输出序列z，后向概率：  \n",
    "   $$\n",
    "   \\begin{split}\n",
    "   \\beta_t(s) &= \\sum_{ \\underset{\\pi_t=l'_s}{\\pi \\in \\mathcal{B}^{-1}(z)} } p(\\pi_{t:T}|x) \\newline\n",
    "   \\beta_T(|l'|) &= y_{-}^T ; \\quad \\beta_T(|l'|-1)=y^T_{l'_{|l'|-1}}, \\quad \\beta_T(s)=0, \\forall s < |l'| - 1  \\newline\n",
    "   \\beta_t(s) &= 0, \\text{$\\forall s > 2t$ or $\\forall s < |l'|$} \\newline\n",
    "   \\beta_t(s) &=\n",
    "        \\begin{cases}\n",
    "          (\\beta_{t+1}(s) + \\beta_{t+1}(s+1) ) y^t_{l'_s} & \\text{if $l'_s=b$ or $l'_{s+2} = l'_s$}  \\newline\n",
    "          (\\beta_{t+1}(s) + \\beta_{t+1}(s+1) + \\beta_{t+1}(s+2))y^t_{l'_s} & \\text{otherwise}\\newline\n",
    "        \\end{cases}\n",
    "   \\end{split}\n",
    "   $$\n",
    "\n",
    " 2. 利用 $\\beta_t(s)$计算CTCLoss：\n",
    "\n",
    "$$\n",
    "-ln(p(l \\mid x)) = -ln(\\beta_{1}(1)+\\beta_{1}(2)) \\newline\n",
    "$$\n",
    "\n",
    "根据任意时刻的前向概率和后向概率计算CTC Loss函数，得到如下结论：\n",
    "\n",
    "1. 对于任意时刻t，利用前向概率和后向概率计算CTCLoss：\n",
    "\n",
    "$$\n",
    "p(l \\mid x) = \\sum_{s=1}^{|l'|} \\frac{\\alpha_t(s)\\beta_t(s)}{y_{l'_s}^t}  \\newline\n",
    "-ln(p(l \\mid x)) = -ln( \\sum_{s=1}^{|l'|} \\frac{\\alpha_t(s) \\beta_t(s)}{y_{l'_s}^t} )\n",
    "$$\n",
    "我们已经得到CTCLoss的计算方法，接下来对其进行求导。\n"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "viral-fitting",
   "metadata": {},
   "source": [
    "## CTC梯度计算\n",
    "\n",
    "### 微分公式\n",
    "\n",
    "在计算梯度前，我们先回顾下基本的微分公式： \n",
    "$$\n",
    "C' = 0 \\\\\n",
    "x'  = 1 \\newline\n",
    "x^n  =  n \\cdot x^{n-1} \\newline\n",
    "(e^x)' =  e^x \\newline\n",
    "log(x)' =  \\frac{1}{x} \\newline\n",
    "(u + v)' = u' + v' \\newline\n",
    "(\\frac{u}{v})' =  \\frac{u'v-uv'}{v^2} \\newline\n",
    "\\frac{\\mathrm{d}f(g(x))}{\\mathrm{d}x} = \\frac{\\mathrm{d}f(g(x))}{\\mathrm{d}g(x)} \\cdot \\frac{\\mathrm{d}g(x)}{\\mathrm{d}x}\n",
    "$$\n"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "starting-sender",
   "metadata": {},
   "source": [
    "### CTC梯度\n",
    "\n",
    "最大似然估计训练就是最大化训练集中每一个分类的对数概率，即最小化Eq. 12。\n",
    "\n",
    "<img src=\"./img/ctc_loss_gradient_of_y_hat.png\" alt=\"image-20211108164206136\" style=\"zoom:50%;\" />\n",
    "\n",
    "最后就是算微分了， 整个推导过程就是加法和乘法， 都可以微分。 $\\mathit{O}^{ML}$关于神经网络的输出 $y^t_k$的梯度见Eq. 13。因为训练样本是相互独立的，所以可以单独考虑每个样本，公式如Eq.13。\n",
    "\n",
    "下面是CTCLoss的梯度计算：\n",
    "\n",
    "<img src=\"./img/ctc_loss_gradient_with_y.png\" alt=\"image-20211109143622448\" style=\"zoom:50%;\" />\n"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "stretch-order",
   "metadata": {},
   "source": [
    "### CTC梯度推导\n",
    "\n",
    "回顾下之前的公式，便于理解后续推导过程。  \n",
    "\n",
    "$$\n",
    "p(l \\mid x) = \\sum_{s=1}^{|l'|} \\frac{\\alpha_t(s)\\beta_t(s)}{y_{l'_s}^t}  \\\\\n",
    "\\begin{equation}\n",
    "\\alpha_t(s) \\beta_t(s) = \\sum_{ \\underset{\\pi_t=l'_s}{\\pi \\in \\mathcal{B}^{-1}(l):} }  y^t_{l'_s}  \\prod_{t=1}^T y^t_{\\pi_t}\n",
    "\\end{equation}\n",
    "$$\n",
    "\n",
    "其中Eq. 15的计算过程如下：  \n",
    "\n",
    "$$\n",
    "\\begin{align*}\n",
    "\\frac{\\partial p(\n",
    "l \\mid x)}{\\partial y_k^t}\n",
    "    & = \\sum_{s \\in lab(z,k)} \\frac{ \\partial \\frac{ \\alpha_t(s) \\beta_t(s)}{y_{k}^t}}{\\partial y_k^t}  \n",
    "    \\newline\n",
    "    & = \\sum_{s \\in lab(z,k)} \\frac{(\\alpha_t(s)\\beta_t(s))’y_k^t - \\alpha_t(s)\\beta_t(s){y_k^t}'}{{y_k^t}^2}\n",
    "    \\newline\n",
    "    &= \\sum_{s \\in lab(z,k)} \\frac{(  \\prod_{t'=1}^{t-1} y^{t'}_{\\pi_{t'}} \\cdot y_k^t \\cdot y_k^t \\cdot   \\prod_{t'=t+1}^{T} y^{t'}_{\\pi_{t'}}   )’ y_k^t - \\alpha_t(s)\\beta_t(s){y_k^t}'}{{y_k^t}^2}\n",
    "    \\newline\n",
    "     &= \\sum_{s \\in lab(z,k)} \\frac{2\\alpha_t(s)\\beta_t(s) - \\alpha_t(s)\\beta_t(s)}{{y_k^t}^2}\n",
    "    \\newline\n",
    "      &= \\sum_{s \\in lab(z,k)} \\frac{\\alpha_t(s)\\beta_t(s)}{{y_k^t}^2}\n",
    "      \\newline\n",
    "      &= \\frac{1}{{y_k^t}^2}  \\sum_{s \\in lab(z,k)} \\alpha_t(s)\\beta_t(s)  \\tag{1} \\newline\n",
    "\\end{align*}\n",
    "$$\n",
    "\n",
    "\n",
    "NLL的公式推导如下：\n",
    "$$\n",
    "\\begin{split}\n",
    "\\frac{\\partial {ln(p(l \\mid x))} }{ \\partial y^t_k }\n",
    "  &= \\frac{1}{p(l \\mid x)} \\frac{ \\partial{p(l \\mid x)} }{ \\partial y_k^t } \\newline\n",
    "  &= \\frac{1}{p(l \\mid x) {y^t_k}^2 } \\sum_{s \\in lab(z,k)} \\alpha_t(s)\\beta_t(s) \n",
    "\\end{split}\n",
    "\\tag{2}\n",
    "$$\n",
    "\n",
    "\n",
    "已经算出了CTCLoss对于 $y_k^t$​ 的梯度，接下来我们需要计算 CTCLoss对于$u^t_k$​（logits）的梯度。套用链式法则，并替换$y^t_k$​ 为 $y^t_{k'}$​，结果如下图。图中 $k'$​ 表示vocab中的某一个token，$K$​​ 是vocab的大小。\n",
    "\n",
    "![](./img/ctc_loss_backward_2.png)\n",
    "\n",
    "图中公式4根据链式法则得到：\n",
    "$$\n",
    "- \\frac{ \\partial ln(p(l \\mid x)) }{ \\partial u^t_k }\n",
    "  = - \\sum_{k'=1}^{K} \\frac{ \\partial ln(p(l \\mid x)) }{ \\partial y^t_{k'} } \\frac{ \\partial y^t_{k'} }{ \\partial u^t_k }  \\tag{4}\n",
    "$$\n",
    "图中公式3是softmax的梯度，参考 [4]，计算过程如下：\n",
    "$$\n",
    "softmax(j) = S_j  = \\frac{ e^{a_j} }{ \\sum_{k=1}^K e^{a_k} }, \\enspace \\forall j \\in 1 \\dots K\n",
    "$$\n",
    "\n",
    "$$\n",
    "\\begin{split}\n",
    "\\frac{ \\partial S_i }{ \\partial a_j}\n",
    "  &= \\frac{ \\partial (\\frac{ e^{ a_i } }{ \\sum_k e^{ a_k } }) } { \\partial a_j }\n",
    "  \\newline\n",
    "  &= \n",
    "  \\begin{cases}\n",
    "  \t\\frac{ e^a_i \\sum - e^a_j e^a_i }{ \\sum^2 } \n",
    "  \t&= \\frac{ e^a_i }{ \\sum } \\frac{ \\sum - e^a_j }{ \\sum } \\newline\n",
    "    &= S_i(1-S_j)   & \\text{i = j, $\\sum$ stands for $\\sum_{k=1}^K e^a_k$} \n",
    "  \t\\newline\n",
    "  \t\\frac{ 0 - e^a_j e^a_i }{ \\sum^2 }  \n",
    "  \t&= - \\frac{ e^a_j }{ \\sum } \\frac{ e^a_i }{ \\sum }  \\newline\n",
    "    &= -S_j S_i  & \\text{i $\\neq$ j, $\\sum$ stands for $\\sum_{k=1}^K e^a_k$}\n",
    "  \\end{cases}\n",
    "  \\newline\n",
    "  &= \n",
    "  \\begin{cases}\n",
    "  S_i(1 - S_j) & \\text{$i = j$} \n",
    "  \\newline\n",
    "  -S_j S_i = S_i (0 - S_j) & \\text{$i \\neq j$}\n",
    "  \\end{cases}\n",
    "  \\newline\n",
    "  &= S_i (\\delta_{ij} - S_j )\n",
    "\\end{split}\n",
    "\\tag{3}\n",
    "$$\n",
    "$$\n",
    "\\delta_{ij} =\n",
    " \\begin{cases}\n",
    " 1 & \\text{if i = j} \\newline\n",
    " 0 & \\text{otherwise}\n",
    " \\end{cases}\n",
    "$$\n",
    "\n",
    "\n",
    "\n",
    "下图中黄色框中的部分表示公式（1），即遍历所有的vocab中的token，其结果是$p(l \\mid x)$​。这是因为label $l$​ 中的token一定在vocab中，且 $s \\in lab(l, k')$​ 可以是空集。当 $k'$​ 在 l 中，s 则为label中token是$k'$​的概率；当$k'$​​​不在l中，s为空，概率为0。\n",
    "\n",
    "![img](./img/ctc_loss_backward_3.png)\n",
    "\n",
    "公式（2），（3）带入（4），并结合公式（1）的结果如上图右边，即：\n",
    "$$\n",
    "\\begin{split}\n",
    "- \\frac{ \\partial ln(p(l \\mid x)) }{ \\partial u^t_k } &= \n",
    "\t- \\sum_{k'=1}^K \\frac{ \\partial ln(p(l \\mid x)) }{ \\partial y^t_{k'} }  \\frac{ \\partial y^t_{k'}}{ \\partial u^t_k } \\newline\n",
    "\t&= - \\sum_{k'=1}^K \\frac{  y^t_{k'}( \\delta_{kk'} -  y^t_k )  }{ p(l \\mid x) {y^t_{k'}}^2 } \\sum_{s \\in lab(l, k') } \\alpha_t(s) \\beta_t(s) \\newline\n",
    "\t&= - \\sum_{k'=1}^K \\frac{  \\delta_{kk'} -  y^t_k  }{ p(l \\mid x) y^t_{k'} } \\sum_{s \\in lab(l, k') } \\alpha_t(s) \\beta_t(s) \\newline\n",
    "\t&=  \\sum_{k'=1}^K \\frac{ y^t_k  - \\delta_{kk'} }{ p(l \\mid x) y^t_{k'} } \\sum_{s \\in lab(l, k') } \\alpha_t(s) \\beta_t(s)   \\newline\n",
    "\t&= \\sum_{k'=1}^K \\frac{ y^t }{ p(l \\mid x) y^t_{k'} }  \\sum_{s \\in lab(l, k') } \\alpha_t(s) \\beta_t(s) - \\sum_{k'=1}^K \\frac{ \\delta_{kk'} }{ p(l \\mid x) y^t_{k'} }  \\sum_{s \\in lab(l, k') } \\alpha_t(s) \\beta_t(s) \\newline\n",
    "\t&=  \\frac{ y^t_k }{ p(l \\mid x) } ( \\sum_{k'=1}^K \\frac{1}{y^t_{k'}} \\sum_{s \\in lab(l, k') } \\alpha_t(s) \\beta_t(s) ) - \\sum_{k'=1}^K \\frac{ \\delta_{kk'} }{ p(l \\mid x) y^t_{k'} }  \\sum_{s \\in lab(l, k') } \\alpha_t(s) \\beta_t(s) \\newline\n",
    "\t&=  \\frac{ y^t_k }{ p(l \\mid x) } p(l \\mid x)   - \\sum_{k'=1}^K \\frac{ \\delta_{kk'} }{ p(l \\mid x) y^t_{k'} }  \\sum_{s \\in lab(l, k') } \\alpha_t(s) \\beta_t(s) \\newline\n",
    "\t&= y^t_k - \\frac{ 1 }{ p(l \\mid x) y^t_k } \\sum_{s \\in lab(l, k)} \\alpha_t(s) \\beta_t(s)  \\newline\n",
    "\\end{split}\n",
    "$$\n",
    "最终，为了通过softmax层传播CTCLoss的梯度，需要计算目标函数与 logits $u^t_k$ 的偏微分，即Eq. 16: \n",
    "    $$\n",
    "    \\begin{align*}\n",
    "    \\hat{\\alpha}_t(s) & \\overset{def}{=} \\frac{ \\alpha_t(s) }{ C_t } ,\\enspace C_t \\overset{def}{=} \\sum_s \\alpha_t(s) \n",
    "    \\newline\n",
    "    \\hat{\\beta}_t(s) & \\overset{def}{=} \\frac{ \\beta_t(s) }{ D_t } ,\\enspace D_t \\overset{def}{=} \\sum_s \\beta_t(s) \n",
    "    \\newline\n",
    "    - \\frac{ \\partial ln(p(l \\mid x)) }{ \\partial u^t_k } &= y^t_k - \\frac{1}{y^t_k \\sum_{s=1}^{\\mid l' \\mid} \\frac{ \\hat{\\alpha}_t(s) \\hat{\\beta}_t(s) }{ y^t_{l'_s} } } \\sum_{s \\in lab(l, k)} \\hat{\\alpha}_t(s) \\hat{\\beta}_t(s) \\tag{16} \n",
    "    \\newline\n",
    "    \\end{align*}\n",
    "    $$"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "informative-maria",
   "metadata": {},
   "source": [
    "### 总结\n",
    "\n",
    "* 通过动态规划算法计算$\\alpha_t(s)$ 和 $\\beta_t(s)$\n",
    "\n",
    "* 通过$\\alpha_t(s)$ 计算 $p(l \\mid x)=\\alpha_T(\\mid l' \\mid) + \\alpha_T(\\mid l' \\mid -1)$\n",
    "\n",
    "* 通过$\\alpha_t(s)$ 和 $\\beta_t(s)$\n",
    "\n",
    "* 计算CTcLoss函数的导数:  \n",
    "    $$\n",
    "    \\begin{split}\n",
    "    - \\frac{ \\partial ln(p(l \\mid x)) }{ \\partial u^t_k } \n",
    "    &= y^t_k - \\frac{ 1 }{ p(l \\mid x) y^t_k } \\sum_{s \\in lab(l, k)} \\alpha_t(s) \\beta_t(s)  \n",
    "    \\newline\n",
    "    &= y^t_k - \\frac{1}{y^t_k \\sum_{s=1}^{\\mid l' \\mid} \\frac{ \\hat{\\alpha}_t(s) \\hat{\\beta}_t(s) }{ y^t_{l'_s} } } \\sum_{s \\in lab(l, k)} \\hat{\\alpha}_t(s) \\hat{\\beta}_t(s) \n",
    "    \\newline\n",
    "    \\end{split}\n",
    "    \\tag{16}\n",
    "    $$"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "41637c03",
   "metadata": {},
   "source": [
    "## Source Code\n",
    "本人在 [warp-ctc](https://github.com/zh794390558/warp-ctc) 上加了注释，并调整 index 的索引方式，便于理解代码。\n",
    "对比上面的公式推导和lattice图可以快速理解 ctc 实现。"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "coordinated-music",
   "metadata": {},
   "source": [
    "## Reference\n",
    "\n",
    "[[1] A. Graves, S. Fernandez, F. Gomez, J. Schmidhuber. Connectionist Temporal lassification: Labeling Unsegmented Sequence Data  with Recurrent Neural Networks. ICML 2006, Pittsburgh, USA,  pp. 369-376.](http://www.cs.toronto.edu/~graves/icml_2006.pdf)\n",
    "\n",
    "[[2] Sequence ModelingWith CTC](https://distill.pub/2017/ctc/)\n",
    "\n",
    "[[3] NLP 之 CTC Loss 的工作原理](https://www.jianshu.com/p/e073c9d91b20)\n",
    "\n",
    "[[4] The Softmax function and its derivative](https://eli.thegreenplace.net/2016/the-softmax-function-and-its-derivative/)\n",
    "\n",
    "[[5] CTC Algorithm Explained Part 1：Training the Network（CTC算法详解之训练篇）](https://xiaodu.io/ctc-explained/)"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "closing-candy",
   "metadata": {},
   "outputs": [],
   "source": []
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "Python 3 (ipykernel)",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.7.0"
  },
  "toc": {
   "base_numbering": 1,
   "nav_menu": {},
   "number_sections": true,
   "sideBar": true,
   "skip_h1_title": false,
   "title_cell": "Table of Contents",
   "title_sidebar": "Contents",
   "toc_cell": false,
   "toc_position": {},
   "toc_section_display": true,
   "toc_window_display": false
  }
 },
 "nbformat": 4,
 "nbformat_minor": 5
}