FastPitch for PyTorch

• 概述
• 准备训练环境
• 开始训练
• 训练结果展示
• 版本说明

概述

简述

FastPitch模型由双向Transformer主干(也称为Transformer编码器)，音调预测器和持续时间预测器组成。在通过第一组N个Transformer块编码后，信号用基音信息增强并离散上采样，然后它通过另一组Transformer块，目的是平滑上采样信号，并构建梅尔谱图。

• 参考实现：

  url=https://github.com/NVIDIA/DeepLearningExamples.git
  commit_id=8a1661b6e22416194197b8842738ad7b98e96974
  

• 适配昇腾 AI 处理器的实现：

  url=https://gitcode.com/ascend/ModelZoo-PyTorch.git
  code_path=PyTorch/contrib/audio
  

准备训练环境

该模型为不随版本演进模型（随版本演进模型范围可在此处查看），未在最新昇腾配套软件中适配验证，您可以：

1. 根据下面提供PyTorch版本在软件版本配套表中选择匹配的CANN等软件下载使用。
2. 查看软件版本配套表后确认对该模型有新版本PyTorch和CANN中的适配需求，请在modelzoo/issues中提出您的需求。自行适配不保证精度和性能达标。

准备环境

• 当前模型支持的 PyTorch 历史版本和已知三方库依赖如下表所示。

  表 1 版本支持表

  Torch_Version	三方库依赖版本
  PyTorch 1.5	-
  PyTorch 1.8	-

• 环境准备指导。

  请参考《Pytorch框架训练环境准备》。

• 安装依赖。

  在模型源码包根目录下执行命令。

  pip install -r requirements.txt
  

准备数据集

1. 获取数据集。

   用户可以在源码包根目录下运行以下脚本自行下载 LJSpeech-1.1 数据集。

   bash scripts/download_dataset.sh
   bash scripts/prepare_dataset.sh   
   

   数据集目录结构参考如下所示。

   ./LJSpeech-1.1
        ├── mels            
        ├── metadata.csv    
        ├── pitch           
        ├── README
        └── wavs           
   

   说明： 该数据集的训练过程脚本只作为一种参考示例。

开始训练

训练模型

1. 进入解压后的源码包根目录。

   cd /${模型文件夹名称} 
   

2. 运行训练脚本。

   该模型支持单机单卡训练和单机8卡训练。

   • 单机单卡训练

     启动单卡训练。

     # 训练之前请在训练脚本中修改默认的数据集路径。
     # 例如：./test/train_performance_1p.sh 脚本中的DATASET_PATH对应的路径修改为实际数据集所在路径。
     
     bash ./test/train_full_1p.sh # 单卡精度
     
     bash ./test/train_performance_1p.sh # 单卡性能
     

   • 单机8卡训练

     启动8卡训练。

     # 训练之前请在训练脚本中修改默认的数据集路径。
     # 例如：./test/train_performance_8p.sh 脚本中的DATASET_PATH对应的路径修改为实际数据集所在路径。
     
     bash ./test/train_full_8p.sh # 8卡精度
     
     bash ./test/train_performance_8p.sh # 8卡性能
     

   模型训练脚本参数说明如下。

   公共参数：
   --datasaet_path                     //数据集路径
   --lr                                //初始学习率
   --epochs                            //重复训练次数
   --bs                                //训练批次大小
   --optimizer                         //优化器
   --weight-decay                      //权重衰减
   --epochs-per-checkpoint             //每训练N轮保存一下模型权重
   --grad-accumulation                 //训练过程中，每N个step打印一下精度及性能
   --o                                 //训练过程保存的模型权重路径
   

   训练完成后，权重文件保存在当前路径下，并输出模型训练精度和性能信息。

训练结果展示

表 2 训练结果展示表

NAME	Val Loss	FPS	Epochs	AMP_Type	Torch_Version
1p-竞品V	-	7112.68	1	O1	1.5
8p-竞品V	3.49	49083.58	100	O1	1.5
1p-NPU	-	2084.35	1	O1	1.5
8p-NPU	3.69	18736.45	100	O1	1.5

版本说明

变更

2023.1.10：更新readme，重新发布。

FAQ

无。

公网地址说明

代码涉及公网地址参考 public_address_statement.md