Deepspeech2模型-推理指导

• 概述

  • 输入输出数据

• 推理环境准备

• 快速上手

  • 获取源码
  • 准备数据集
  • 模型推理

• 模型推理性能&精度

概述

Deepspeech是百度推出的语音识别框架，系统采用了端对端的深度学习技术，也就是说，系统不需要人工设计组件对噪声、混响或扬声器波动进行建模，而是直接从语料中进行学习，并达到了较好的识别效果。

• 参考实现：

    url=https://github.com/SeanNaren/deepspeech.pytorch
    branch=master
    commit_id=075a69ae66aa284c5c5a954c6c15efe6d56898dd
  

输入输出数据

• 输入数据

  输入数据	数据类型	大小	数据排布格式
  input1	FLOAT32	batchsize x 1 x 161 x 621	NCHW
  input2	INT32	batchsize	ND

• 输出数据

  输出数据	大小	数据类型	数据排布格式
  output1	batchsize x 311 x 29	FLOAT32	ND
  output2	batchsize	INT32	ND

推理环境准备

• 该模型需要以下插件与驱动

  表 1 版本配套表

  配套	版本	环境准备指导
  固件与驱动	1.0.16（NPU驱动固件版本为5.1.RC2）	Pytorch框架推理环境准备
  CANN	5.1.RC2	-
  Pytorch	1.8.0	-

快速上手

获取源码

1. 获取源码并安装。

   git clone https://github.com/SeanNaren/deepspeech.pytorch.git -b V3.0
   cd deepspeech.pytorch
   pip3 install -e .
   

2. 安装依赖。

   pip3 install -r requirement.txt
   

   说明： torchaudio==0.8.0目前没有可以在arm环境下运行的包。

3. 在Deepspeech2目录下执行differences.patch文件，修改开源仓model.py文件。

   patch -p4 < differences.patch
   

准备数据集

1. 该模型使用AN4数据集验证模型精度，参考此代码下载并整理数据集，最终的数据目录结构如下：

   |——an4_test_manifest.json
   |——labels.json  
   |——an4_dataset
           |——val
           |——train
           |——test
   

2. 数据预处理。

   数据预处理将原始数据集转换为模型输入的数据。 执行deepspeech_preprocess.py脚本，完成预处理。

   python3 deepspeech2_preprocess.py --data_file ./data/an4_test_manifest.json --save_path ./data/an4_dataset/test --label_file ./labels.json
   

   • 参数说明:

     • --data_file：json文件路径。

     • --save_path：输出的二进制文件（.bin）所在路径。

     • --label_file：标签文件路径。

   说明： 在预处理前，修改an4_test_manifest.json中root_path参数，改为当前an4_dataset中test数据集的路径，方便进行数据预处理。 如果linux系统缺少sox，需要安装sox。

   运行成功后在./data/an4_dataset/test目录下生成供模型推理的bin文件。

模型推理

1. 模型转换。

   使用PyTorch将模型权重文件.pth转换为.onnx文件，再使用ATC工具将.onnx文件转为离线推理模型文件.om文件。

   1. 获取权重文件。

      获取权重文件：an4_pretrained_v3.ckpt

   2. 导出onnx文件。

      1. 使用“an4_pretrained_v3.ckpt”导出onnx文件。 运行“ckpt2onnx.py”脚本。

         python3 deepspeech2_ckpt2onnx.py --ckpt_path ./an4_pretrained_v3.ckpt --out_file deepspeech.onnx
         

         获得“deepspeech.onnx”文件。

   3. 使用ATC工具将ONNX模型转OM模型。

      1. 配置环境变量。

          source /usr/local/Ascend/ascend-toolkit/set_env.sh
         

         说明： 该脚本中环境变量仅供参考，请以实际安装环境配置环境变量。详细介绍请参见《CANN 开发辅助工具指南 (推理)》。

      2. 执行命令查看芯片名称（${chip_name}）。

         npu-smi info
         #该设备芯片名为Ascend310P3 （自行替换）
         回显如下：
         +-------------------+-----------------+------------------------------------------------------+
         | NPU     Name      | Health          | Power(W)     Temp(C)           Hugepages-Usage(page) |
         | Chip    Device    | Bus-Id          | AICore(%)    Memory-Usage(MB)                        |
         +===================+=================+======================================================+
         | 0       310P3     | OK              | 15.8         42                0    / 0              |
         | 0       0         | 0000:82:00.0    | 0            1074 / 21534                            |
         +===================+=================+======================================================+
         | 1       310P3     | OK              | 15.4         43                0    / 0              |
         | 0       1         | 0000:89:00.0    | 0            1070 / 21534                            |
         +===================+=================+======================================================+
         

      3. 执行ATC命令。

         atc --framework=5 --model=./deepspeech.onnx --input_format=NCHW --input_shape="spect:1,1,161,621;transcript:1" --output=deepspeech_bs1 --log=error --soc_version=${chip_name}
         

         • 参数说明：

           • --model：为ONNX模型文件。

           • --framework：5代表ONNX模型。

           • --output：输出的OM模型。

           • --input_format：输入数据的格式。

           • --input_shape：输入数据的shape。

           • --log：日志级别。

           • --soc_version：处理器型号。

      运行成功后生成“deepspeech_bs1.om”模型文件。

2. 开始推理验证。

   1. 安装ais_bench推理工具。

      请访问ais_bench推理工具代码仓，根据readme文档进行工具安装。

   2. 执行推理。

      python3 -m ais_bench --model ./deepspeech_bs1.om  --input ./data/an4_dataset/test/spect,./data/an4_dataset/test/sizes --output ./result --output_dir dumpout_bs1 --outfmt TXT --batchsize 1
      

      • 参数说明：

        • -- model：om文件路径。

        • -- input：输入的数据文件。

        • -- output：输出结果路径。

      推理后的输出默认在当前目录result下。 并且会输出性能数据

   3. 精度验证。

      调用脚本与数据集标签val_label.txt比对，可以获得Accuracy数据，结果保存在result.json中。 执行deepspeech2_postprocess.py脚本，可以获得精度数据。

      python3 deepspeech2_postprocess.py --out_path ./result/dumpout_bs1 --info_path ./data/an4_dataset/test --label_file ./labels.json
      

      • 参数说明：

        • --out_path：生成推理结果所在路径。

        • --info_path：输出的二进制文件（.bin）所在路径。

        • --label_file：标签数据路径。

   4. 性能验证。

      可使用ais_bench推理工具的纯推理模式验证不同batch_size的om模型的性能，参考命令如下：

      python3 -m ais_bench --model=${om_model_path} --loop=20 --batchsize=${batch_size}
      

      • 参数说明：
        • --model：om模型的路径
        • --batchsize：数据集batch_size的大小

模型推理性能&精度

精度如下列数据。

数据集	精度
an4	Average WER 9.573 Average CER 5.515

调用ACL接口推理计算，性能参考下列数据。

芯片型号	Batch Size	数据集	性能
300I Pro	1	an4	0.48
300I Pro	4	an4	1.93
300I Pro	8	an4	3.86
300I Pro	16	an4	7.7
300I Pro	32	an4	7.74
300I Pro	64	an4	7.48