Kaldi的nnet2 Component

FixedAffineComponent：类 LDA-like 的非相关转换，由标准的 weight matrix plus bias 组成（即Wx+b），通过标准的 stochastic gradient descent（非minibatch SGD？） 训练而来，使用 global learning rate

AffineComponentPreconditionedOnline：为 FixedAffineComponent 的一种提炼，训练过程中不仅使用global learning rate，还使用 matrix-valued learning rate（矩阵形式的学习率）来预处理梯度下降。参见 dnn2_preconditioning。

PnormComponent：为非线性，传统的神经网络模型中使用 TanhComponent

NormalizeComponent：用于稳定训练 p-norm 网络，它是固定的，非可训练，非线性的。它不是在个别 individual activations（即个别结点的激活） 上起作用，而是对单帧的整个 vector 起作用，重新使它们单位标准化。

SoftmaxComponent：为最终的非线性特征，便于输出标准概率

SpliceComponent: 定义了完成 feature-frame-splicing 的窗口尺寸

FixedAffineComponent：类 LDA-like 的非相关转换，由标准的 weight matrix plus bias 组成（即Wx+b），通过标准的 stochastic gradient descent（非minibatch SGD？） 训练而来，使用 global learning rate

AffineComponentPreconditionedOnline：为 FixedAffineComponent 的一种提炼，训练过程中不仅使用global learning rate，还使用 matrix-valued learning rate（矩阵形式的学习率）来预处理梯度下降。参见 dnn2_preconditioning。

PnormComponent：为非线性，传统的神经网络模型中使用 TanhComponent

NormalizeComponent：用于稳定训练 p-norm 网络，它是固定的，非可训练，非线性的。它不是在个别 individual activations（即个别结点的激活） 上起作用，而是对单帧的整个 vector 起作用，重新使它们单位标准化。

SoftmaxComponent：为最终的非线性特征，便于输出标准概率

• SigmoidComponent
  • dim
• TanhComponent
  • dim
• PowerComponent
  • power
  • dim
  • input-dim
• SoftmaxComponent
  • 与目标训练集无关。
  • dim
• LogSoftmaxComponent
  • dim
• RectifiedLinearComponent
  • dim
• NormalizeComponent
  • 归一化层，对输入进行归一化。网络训练过程中，输入特征是一个mini-batch,即包含多个特征向量的矩阵。归一化层会对这个mini-batch进行归一化。该组员只有一个参数，与目标训练集无关。
  • 用于稳定训练 p-norm 网络，它是固定的，非可训练，非线性的。它不是在个别 individual activations（即个别结点的激活） 上起作用，而是对单帧的整个 vector 起作用，重新使它们单位标准化。
  • dim
    • 输入特征维度
• SoftHingeComponent
  • dim
• PnormComponent
  • 该组员只有3个参数，输入输出位数依赖于上下层，参数p是固定的，与目标训练集无关。
  • 为非线性，传统的神经网络模型中使用 TanhComponent
  • output-dim
    • 输出维数一般是输入维数是十分之一，如：

      pnorm_input_dim=3000

      pnorm_output_dim=300

  • input-dim
  • p
• MaxoutComponent
  • output-dim
  • input-dim
• ScaleComponent
  • dim
  • scale
• AffineComponent
  • learning-rate // optional.
  • 如果指定了matrix，则从matrix中读取仿射变换
    • matrix
    • input-dim // optional.必须与matrix匹配
    • output-dim // optional.必须与matrix匹配
  • 如果没有指定matrix，则新建一个仿射变换
    • param-stddev
      • parameter standard deviation，权值的标准差
      • 将参数的标注差限制在一个范围内，防止参数变化过大，该方法有利于防止over-fitting
    • bias-stddev
      • bias standard deviation，偏置的标准差
      • 将偏置的标准差限制在一个范围内，防止偏置变化过大，该方法有利于防止over-fitting
    • input-dim
    • output-dim
• AffineComponentPreconditioned
  • learning-rate // optional.
  • alpha //Precondition
  • max-change //Precondition
  • 如果指定了matrix，则从matrix中读取仿射变换
    • matrix
    • input-dim // optional.必须与matrix匹配
    • output-dim // optional.必须与matrix匹配
  • 如果没有指定matrix，则新建一个仿射变换
    • param-stddev
      • parameter standard deviation，权值的标准差
      • 将参数的标注差限制在一个范围内，防止参数变化过大，该方法有利于防止over-fitting
    • bias-stddev
      • bias standard deviation，偏置的标准差
      • 将偏置的标准差限制在一个范围内，防止偏置变化过大，该方法有利于防止over-fitting
    • input-dim
    • output-dim
• AffineComponentPreconditionedOnline
  • 全连接层的权重参数层，在kaldi的表示中，一层网络被拆分成权重层和后面的非线性变换层，其中权重层保存了网络的连接参数W，这些参数是可以改变的，而后面的非线性变换层（如下面的SoftmaxComponent）是固定的。
  • 为 FixedAffineComponent 的一种提炼，训练过程中不仅使用global learning rate，还使用 matrix-valued learning rate（矩阵形式的学习率）来预处理梯度下降。参见 dnn2_preconditioning
  • learning-rate // optional.
  • num-samples-history
  • alpha //Precondition
  • max-change-per-sample //Precondition
  • rank-in //Online
  • rank-out //Online
  • update-period //Online
  • 如果指定了matrix，则从matrix中读取仿射变换
    • matrix
    • input-dim // optional.必须与matrix匹配
    • output-dim // optional.必须与matrix匹配
  • 如果没有指定matrix，则新建一个仿射变换
    • param-stddev
      • parameter standard deviation，权值的标准差
      • 将参数的标注差限制在一个范围内，防止参数变化过大，该方法有利于防止over-fitting
    • bias-stddev
      • bias standard deviation，偏置的标准差
      • 将偏置的标准差限制在一个范围内，防止偏置变化过大，该方法有利于防止over-fitting
    • input-dim
    • output-dim
• SumGroupComponent
  • sizes
• BlockAffineComponent
  • learning-rate // optional.
  • input-dim
  • output-dim
  • num-blocks
  • param-stddev
    • parameter standard deviation，权值的标准差
    • 将参数的标注差限制在一个范围内，防止参数变化过大，该方法有利于防止over-fitting
  • bias-stddev
    • bias standard deviation，偏置的标准差
    • 将偏置的标准差限制在一个范围内，防止偏置变化过大，该方法有利于防止over-fitting
• BlockAffineComponentPreconditioned
  • learning-rate // optional.
  • alpha //Precondition
  • input-dim
  • output-dim
  • num-blocks
  • param-stddev
    • parameter standard deviation，权值的标准差
    • 将参数的标注差限制在一个范围内，防止参数变化过大，该方法有利于防止over-fitting
  • bias-stddev
    • bias standard deviation，偏置的标准差
    • 将偏置的标准差限制在一个范围内，防止偏置变化过大，该方法有利于防止over-fitting
• PermuteComponent
  • dim
• DctComponent
  • dim
  • dct-dim
  • reorder
  • dct-keep-dim
• FixedLinearComponent
  • matrix
• FixedAffineComponent
  • 类 LDA-like 的非相关转换，由标准的 weight matrix plus bias 组成（即Wx+b），通过标准的 stochastic gradient descent（非minibatch SGD？） 训练而来，使用 global learning rate
  • matrix
• FixedScaleComponent
  • 固定激活重调组员
  • 该组员位于SoftmaxComponent之前，维数与SoftmaxComponent相同，都是Senone的个数，该组员的参数是一个先验概率向量，其中第i个元素是第i个Senone在所有对齐（$alidir/ali.*.gz）中出现的概率（Senone i出现次数/所有Senone所有出现次数）
  • scales，先验概率参数，需要从对齐（$alidir/ali.*.gz）和模型（$alidir/final.mdl）中获取
• FixedBiasComponent
  • bias
• SpliceComponent
  • 对输入特征进行左右展开，目的是为了让网络能够获取到帧间特征的关联性。例如我要识别当前帧是哪个triphone，我可以将当前帧之前5帧和当前帧以后5帧一起构成一个由11个帧组成的特征作为网络输入。
  • 定义了完成 feature-frame-splicing 的窗口尺寸
  • input-dim
  • context
  • left-context
  • right-context
  • const-component-dim = 0
• SpliceMaxComponent
  • dim
  • context
  • left-context
  • right-context
• DropoutComponent
  • dim
  • dropout-proportion
  • dropout-scale
• AdditiveNoiseComponent
  • dim
  • stddev
• Convolutional1dComponent
  • learning-rate
  • appended-conv
  • patch-dim
    • 卷积核的大小（维度）
  • patch-step = 1
    • 卷积核的每次步进大小，若大于patch-dim，则卷积运算没有重叠部分。
  • patch-stride
    • 卷积层会将输入向量特征转换成二维矩阵（类似于图像）进行卷积，该值确定了二维矩阵的行数，同时，卷积核也受该值的影响。
    • 以kaldi提供核心代码为例：
    • 第一个卷积层输入是一个36*3*11的一维特征向量，令该值等于fbank不包含差分特征的维度（即36），则输入特征向量可转换成一个36*33的特征矩阵，再利用卷积核（7*33）进行卷积。
    • 第二个卷积层的输入是池化层的输出，令该值等于输入的维度，则转换成的特征矩阵仍然是原来的向量。
  • 如果指定了matrix，则从matrix中读取仿射变换
    • matrix
    • input-dim
      • optional.必须与matrix匹配
    • output-dim
      • optional.必须与matrix匹配
  • 如果没有指定matrix，则新建一个仿射变换
    • param-stddev
      • parameter standard deviation，权值的标准差
      • 将参数的标注差限制在一个范围内，防止参数变化过大，该方法有利于防止over-fitting
    • bias-stddev
      • bias standard deviation，偏置的标准差
      • 将偏置的标准差限制在一个范围内，防止偏置变化过大，该方法有利于防止over-fitting
    • input-dim
    • output-dim
  • // propagation function
  • /*
  • In Convolution1dComponent, filter is defined $num-filters x $filter-dim,
  • and bias vector B is defined by length $num-filters. The propatation is
  • Y = X o A‘ + B
  • where "o" is executing matrix-matrix convolution, which consists of a group
  • of vector-matrix convolutions.
  • For instance, the convolution of X(t) and the i-th filter A(i) is
  • Y(t,i) = X(t) o A‘(i) + B(i)
  • The convolution used here is valid convolution. Meaning that the
  • output of M o N is of dim |M| - |N| + 1, assuming M is not shorter then N.
  • By default, input is arranged by
  • x (time), y (channel), z(frequency)
  • and output is arranged by
  • x (time), y (frequency), z(channel).
  • When appending convolutional1dcomponent, appended_conv_ should be
  • set ture for the appended convolutional1dcomponent.
  • */
• MaxpoolingComponent
  • 池化层Component，该层会对卷积的特征进行最大化池化，即在一个范围内（池化面积）从同一个卷积核的输出选取最大的一个作为下一层的输入，池化核不重叠。池化的好处除了能够降维以外，更重要的一点是能够去除输入特征中的一些扰动。
  • input-dim
  • output-dim
  • pool-size
    • 池化面积
  • pool-stride
    • 池化范围，此处与卷积层相同，会将向量转换成矩阵进行处理。
  • /*
  • Input and output of maxpooling component is arranged as
  • x (time), y (frequency), z (channel)
  • for efficient pooling.
  • */