Speech-Transformer 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

Speech-Transformer是使用Transformer网络实现的一个端到端的自动语音识别网络，它能够将声音特征直接转化成文字。

• 参考实现：

  url=https://github.com/kaituoxu/Speech-Transformer
  commit_id=e6847772d6a786336e117a03c48c62ecbf3016f6
  

• 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
  

准备数据集

1. 获取数据集。

   用户自行下载 data_aishell 数据集，上传到服务器模型源码包根目录下新建的 utils 文件夹下并解压。解压后进入到 data_aishell/wav 文件夹下解压所有的压缩包，命令如下：

   ls *.tar.gz | xargs -n1 tar xzvf
   

   在 utils/ 文件夹下安装 kaldi，请参考INSTALL进行安装。

   数据集目录结构参考如下所示。

   ├── utils
        ├──data_aishell
             ├──wav
                 ├──train
                      │──S0002
                      │──S0003
                      ├──...  
                      ├──S0111    
                  ├──test
                      │──S0764
                      │──S0765
                      ├──S0766 
                      ├──S0767  
                      │──S0768
                      │──S0769
                      ├──S0770 
                      ├──S0901 
                      │──S0902
                      ├──...
                      ├──S0916 
        ├──kaldi         
   

   说明： 该数据集的训练过程脚本只作为一种参考示例。

2. 数据预处理。

   提取声音特征。

   cd ${模型文件夹名称}/tools         # 进入到源码包根目录下的tools目录
   make KALDI=/XXX/utils/kaldi       # XXX为utils文件夹中kaldi安装的源码位置
   cd ../test                        # 进入到源码包根目录下的test目录，修改init.sh中data变量指向数据集data_aishell的上一层目录
   bash init.sh                      # 在test目录下执行，提取声音特征 
   

开始训练

训练模型

1. 进入解压后的源码包根目录下的test目录。

   cd ${模型文件夹名称}/test 
   

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 train_full_1p.sh  # 单卡精度
     
     bash train_performance_1p.sh # 单卡性能
     

   • 单机8卡训练

     启动8卡训练。

     bash train_full_8p.sh  # 8卡精度
     
     bash train_performance_8p.sh # 8卡性能
     

   • 单机8卡评测。

     启动8卡评测。

     bash train_eval_8p.sh  # 启动评测脚本前，需对应修改评测脚本中的--model-path参数，指定ckpt文件路径
     

   --model-path参数为训练权重生成路径，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：
   --train-json                        //训练数据集路径
   --valid-json                        //验证数据集路径
   --dict                              //训练集字典
   --batch-size                        //训练批次大
   --k                                 //优化器参数
   --warmup_steps                      //优化器参数
   --label_smoothing                   //loss计算参数
   --epochs                            //训练epochs
   --contine_from                      //是否加载预训练权重           
   

   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	CER	FPS	Epochs	AMP_Type	Torch_Version
1p-竞品V	-	-	1	-	1.5
8p-竞品V	-	-	150	-	1.5
1p-NPU	-	178.4	1	O2	1.8
8p-NPU	10.0	1301.5	150	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