TE2E和GE2E损失函数区别

谷歌提出了两种损失函数TE2E（Tuple-based end-to-end）、GE2E（Generalized end-to-end）.今天对这两种进行记录。

一、TE2E

1. 在训练中分为2个阶段：登记和检验。每步训练中数据包含 $x_{j\sim }$和M个登记会话$x_{km}$（for m = 1…M）， 可以用 { $x_j,(e_{k1},e_{k2}...e_{kM})$}表示，可以被喂入LSTM网络中，其中X表示特征， j，k表示说话者，j与k可能相等也可能不相等。
   积极者： 如果 $x_{j\sim }$和M个会话的说话者是同一个人时；
   消极者： 如果$x_{j\sim }$和M个会话的说话者不是是同一个人时；

2. L2正则化
   将 { $x_{j\sim },(e_{k1},e_{k2}...e_{kM})$} 正则化后，用e为向量，表示正则化后的向量{ e j ∼ , ( e k 1 , e k 2 , . . . e k M e_{j∼},(e_{k1},e_{k2},...e_{kM} ej∼​,(e