126 lines
3.9 KiB
YAML
126 lines
3.9 KiB
YAML
# 数据集参数
|
||
dataset_conf:
|
||
# 过滤最短的音频长度
|
||
min_duration: 0.5
|
||
# 最长的音频长度，大于这个长度会裁剪掉
|
||
max_duration: 3
|
||
# 是否裁剪静音片段
|
||
do_vad: False
|
||
# 音频的采样率
|
||
sample_rate: 16000
|
||
# 是否对音频进行音量归一化
|
||
use_dB_normalization: True
|
||
# 对音频进行音量归一化的音量分贝值
|
||
target_dB: -20
|
||
# 训练数据的数据列表路径
|
||
train_list: 'dataset/train_list.txt'
|
||
# 评估注册的数据列表路径
|
||
enroll_list: 'dataset/cn-celeb-test/enroll_list.txt'
|
||
# 评估检验的数据列表路径
|
||
trials_list: 'dataset/cn-celeb-test/trials_list.txt'
|
||
# 是否使用PKSampler，该Sampler可以保证每个说话人都有sample_per_id个样本
|
||
is_use_pksampler: False
|
||
# 使用PKSampler时设置样本数量
|
||
sample_per_id: 4
|
||
# 评估的数据要特殊处理
|
||
eval_conf:
|
||
# 评估的批量大小
|
||
batch_size: 4
|
||
# 最长的音频长度
|
||
max_duration: 20
|
||
# 数据加载器参数
|
||
dataLoader:
|
||
# 训练的批量大小
|
||
batch_size: 32
|
||
# 读取数据的线程数量
|
||
num_workers: 4
|
||
# 是否丢弃最后一个样本
|
||
drop_last: True
|
||
# 数据增强参数
|
||
aug_conf:
|
||
# 是否使用语速扰动增强
|
||
speed_perturb: True
|
||
# 使用语速增强是否分类大小翻三倍
|
||
speed_perturb_3_class: False
|
||
# 是否使用音量增强
|
||
volume_perturb: False
|
||
# 音量增强概率
|
||
volume_aug_prob: 0.2
|
||
# 噪声增强的噪声文件夹
|
||
noise_dir: 'dataset/noise'
|
||
# 噪声增强概率
|
||
noise_aug_prob: 0.2
|
||
# 是否使用SpecAug
|
||
use_spec_aug: True
|
||
# Spec增强参数
|
||
spec_aug_args:
|
||
# 随机频谱掩码大小
|
||
freq_mask_width: [ 0, 8 ]
|
||
# 随机时间掩码大小
|
||
time_mask_width: [ 0, 10 ]
|
||
|
||
# 数据预处理参数
|
||
preprocess_conf:
|
||
# 是否使用HF上的Wav2Vec2类似模型提取音频特征
|
||
use_hf_model: False
|
||
# 音频预处理方法，也可以叫特征提取方法
|
||
# 当use_hf_model为False时，支持：MelSpectrogram、Spectrogram、MFCC、Fbank
|
||
# 当use_hf_model为True时，指定的是HuggingFace的模型或者本地路径，比如facebook/w2v-bert-2.0或者./feature_models/w2v-bert-2.0
|
||
feature_method: 'Fbank'
|
||
# 当use_hf_model为False时，设置API参数，更参数查看对应API，不清楚的可以直接删除该部分，直接使用默认值。
|
||
# 当use_hf_model为True时，可以设置参数use_gpu，指定是否使用GPU提取特征
|
||
method_args:
|
||
sample_frequency: 16000
|
||
num_mel_bins: 80
|
||
|
||
optimizer_conf:
|
||
# 优化方法，支持Adam、AdamW、SGD
|
||
optimizer: 'Adam'
|
||
# 初始学习率的大小
|
||
learning_rate: 0.0005
|
||
weight_decay: !!float 1e-5
|
||
# 学习率衰减函数，支持WarmupCosineSchedulerLR、CosineAnnealingLR
|
||
scheduler: 'WarmupCosineSchedulerLR'
|
||
# 学习率衰减函数参数
|
||
scheduler_args:
|
||
min_lr: !!float 5e-6
|
||
max_lr: 0.0005
|
||
warmup_epoch: 5
|
||
|
||
model_conf:
|
||
backbone:
|
||
# 所使用的池化层，支持TAP、TSTP
|
||
pooling_type: 'TSTP'
|
||
embd_dim: 192
|
||
classifier:
|
||
# 说话人数量，即分类大小
|
||
num_speakers: 2796
|
||
num_blocks: 0
|
||
|
||
loss_conf:
|
||
# 所使用的损失函数，支持AAMLoss、SphereFace2、AMLoss、ARMLoss、CELoss、SubCenterLoss、TripletAngularMarginLoss
|
||
use_loss: 'AAMLoss'
|
||
# 损失函数参数
|
||
args:
|
||
margin: 0.2
|
||
scale: 32
|
||
easy_margin: False
|
||
# 是否使用损失函数margin调度器
|
||
use_margin_scheduler: True
|
||
# margin调度器参数
|
||
margin_scheduler_args:
|
||
initial_margin: 0.0
|
||
final_margin: 0.3
|
||
|
||
train_conf:
|
||
# 是否开启自动混合精度
|
||
enable_amp: False
|
||
# 是否使用Pytorch2.0的编译器
|
||
use_compile: False
|
||
# 训练的轮数
|
||
max_epoch: 60
|
||
log_interval: 100
|
||
|
||
# 所使用的模型，支持模型ERes2Net、ERes2NetV2
|
||
use_model: 'ERes2Net'
|