WaveGlow 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

WaveGlow是一种基于流的网络，能够从梅尔谱图生成高质量的语音。WaveGlow结合了WaveNet的实现，以提供快速、高效和高质量的音频合成，无需自动回归。WaveGlow仅使用单个网络实现，仅使用单个loss函数进行训练，最大化训练数据的似然，这使得训练过程简单稳定。

• 参考实现：

  url=https://github.com/NVIDIA/waveglow.git
  commit_id=8afb643df59265016af6bd255c7516309d675168
  

• 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。

  pip3.7 install -r requirements.txt
  
  # 检查安装依赖是否成功
  import librosa
  
  # 若import librosa提示 sndfile 找不到
  apt-get/yum install libsndfile
  
  # 若 scikit-learn 报错，则使用conda安装
  pip3.7 install scikit-learn
  
  # 若numpy被前面安装的内容更新，则重新安装(numpy版本需1.20及以下)
  pip3.7 install numpy==1.20
  
  # 若 sympy 报错，则pip/conda安装
  pip3.7 install sympy
  

准备数据集

1. 获取数据集。

   用户可以自行获取原始数据集，可以选用开源数据集包括LJ-Speech等。将数据集上传到源码包根目录下新建的“data/”文件夹下并解压。

   以LJ-Speech数据集为例，数据集目录结构参考如下所示。

   ├── data
         ├──wavs
             ├──LJ001-001.wav
             │──LJ001-002.wav
             │──LJ001-XXX.wav     
   

   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。

     
     bash ./test/train_performance_1p.sh --data_path=数据集路径 --output_directory=./checkpoints  # 单卡性能
     

   • 单机8卡训练

     启动8卡训练。

     bash ./test/train_full_8p.sh --data_path=数据集路径 --output_directory=./checkpoints  # 8卡精度
     
     bash ./test/train_performance_8p.sh --data_path=数据集路径 --output_directory=./checkpoints  # 8卡性能
     

   • 单机8卡评测

     启动8卡评测。

     bash ./test/train_eval_8p.sh --data_path=数据集路径 --pth_path=./checkpoints/waveglow_21000  # 8卡评测     
     

   --data_path参数填写数据集路径，需写到数据集的一级目录。

   --pth_path参数填写训练权重生成路径，需写到权重文件的一级目录。

   模型训练脚本参数说明如下。

   公共参数：
   --data_path                         //数据集目录   
   --output_directory                  //训练输出pth模型文件地址
   --pth_path                          //推理使用pth文件地址
   --checkpoint_path                   //迁移学习采用pth文件地址  
   --fp16_run                          //是否使用apex混合精度训练
   --epochs                            //重复训练次数
   --batch-size                        //训练批次大小
   --learning_rate                     //初始学习率
   --sigma                             //sigma函数初始值
   --iters_per_checkpoint              //每间隔多少iter保存一下pth文件
   --c                                 //glow网络配置json文件
   

   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	Accuracy	FPS	Epochs	AMP_Type	Torch_Version
1p-竞品V	-	0.007	1	O2	1.5
8p-竞品V	-5.6	0.42	313	O2	1.5
1p-NPU	-	0.002	1	O2	1.8
8p-NPU	-5.6	0.21	313	O2	1.8

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