Benchmark the CTC against a RNN-Transducer model

Métriques du dépôt

Stars

26 755 étoiles (26 755 étoiles)

Métriques de merge PR

Métriques PR en attente (Métriques PR en attente)

Description

Guide contributeur

Direction de recherche

Configurez l'environnement de développement DeepSpeech. Comprenez les modèles CTC et RNN Transducer. Créez des scripts de benchmark pour mesurer le temps d'entraînement, la vitesse d'inférence et la précision sur des jeux de données courants. Comparez les résultats et documentez les découvertes.

Stack technique

pythontensorflow

Domaine

machine learningaiperformance

Type d'issue

Recherche

DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.

4

Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.

3-5 jours

Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.

Active

ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.

Investigation requise

Prérequis

Deep Learning conceptsPythonTensorFlowSpeech recognition basics

Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.

30