计算 CTC loss。该接口的底层调用了第三方 baidu-research::warp-ctc 的实现。 也可以叫做 softmax with CTC，因为 Warp-CTC 库中插入了 softmax 激活函数来对输入的值进行归一化。
- blank (int，可选) - 空格标记的 ID 值，其取值范围为 [0, num_classes + 1)。数据类型支持 int32。默认值为 0。
- reduction (str，可选) - 指定应用于输出结果的计算方式，可选值有：
'none','mean','sum'。设置为'mean'时，对 loss 值除以 label_lengths，并返回所得商的均值；设置为'sum'时，返回 loss 值的总和；设置为'none'时，则直接返回输出的 loss 值。默认值为'mean'。
- log_probs (Tensor) - 经过 padding 的概率序列，其 shape 必须是 [max_logit_length, batch_size, num_classes + 1]。其中 max_logit_length 是最长输入序列的长度。该输入不需要经过 softmax 操作，因为其内部对 input 做了 softmax 操作。数据类型仅支持 float32 或 float64。
- labels (Tensor) - 经过 padding 的标签序列，其 shape 为 [batch_size, max_label_length]，其中 max_label_length 是最长的 label 序列的长度。数据类型支持 int32。
- input_lengths (Tensor) - 表示输入
log_probs数据中每个序列的长度，shape 为 [batch_size]。数据类型支持 int64。- label_lengths (Tensor) - 表示 label 中每个序列的长度，shape 为 [batch_size]。数据类型支持 int64。
- norm_by_times (bool，可选) - 是否根据序列长度对梯度进行正则化。数据类型支持 bool。默认值为 False。
Tensor，输入 log_probs 和标签 labels 间的 ctc loss。如果 reduction 是 'none'，则输出 loss 的维度为 [batch_size]。如果 reduction 是 'mean' 或 'sum'，则输出 Loss 的维度为 []。数据类型与输入的 log_probs 一致。
COPY-FROM: paddle.nn.CTCLoss