论文代码学习—HiFi-GAN(4)——模型训练函数train文件具体解析

文章目录

    • 引言
    • 正文
      • 模型训练代码
        • 整体训练过程
        • 具体训练细节
        • 具体运行流程
      • 多GPU编程
      • main函数(通用代码)
      • 完整代码
    • 总结
    • 引用

引言

  • 这里翻译了HiFi-GAN这篇论文的具体内容,具体链接。
  • 这篇文章还是学到了很多东西,从整体上说,学到了生成对抗网络的构建思路,包括生成器和鉴定器。细化到具体实现的细节,如何 实现对于特定周期的数据处理?在细化,膨胀卷积是如何实现的?这些通过文章,仅仅是了解大概的实现原理,但是对于代码的实现细节并不是很了解。如果要加深印象,还是要结合代码来具体看一下实现的细节。
  • 本文主要围绕具体的代码实现细节展开,对于相关原理,只会简单引用和讲解。因为官方代码使用的是pytorch,所以是通过pytorch展开的。
  • 关于模型其他部分的介绍,链接如下
    • 论文代码学习(1)—HiFi-GAN——生成器generator代码
    • 论文代码学习—HiFi-GAN(2)——鉴别器discriminator代码
    • 论文代码学习—HiFi-GAN(3)——模型loss函数解析
  • 当前文章,主要是围绕模型的训练文件展开,训练文件也是调用整个模型,导入数据,进行训练并保存模型的主要文件,定义了前向传播,反向传播,loss计算过程等十分重要的内容。这里主要分模块讲解train文件的训练。

正文

  • 整个train文件需要完成调用模型,加载数据进行训练和对训练结果进行记录等功能,是主要的运行程序。具体功能如下:
    • 模型定义:定义生成器和判别器
    • 指定优化器和学习率:指定AdamW优化器,并定义指数学习率调度器
    • 数据加载:使用Dataloader加载训练和验证数据
    • 定义训练过程:指定前向传播、loss计算和反向传播的过程
    • 验证和日志记录:模型测试,并使用TensorBoard记录训练过程
  • 整体的训练文件代码太多了,并且牵扯到很多分布式训练的过程,所以这里是先提出和模型相关的代码,然后在分布式训练的代码进行学习.

模型训练代码

  • 这部分主要是按照模型一个模型具体的训练过程展开的,主要是按照如下步骤

    1. 创建模型的实例对象
    2. 定义模型训练优化器
    3. 定义学习率调度优化器(根据上一步进行定义)
    4. 加载训练数据
    5. 将模型定义为训练模式
    6. 遍历数据并移动到设备
    7. 梯度归零
    8. 前向传播
    9. 计算损失
    10. 反向传播和梯度更新
    11. 更新学习率调度器
  • 但是实际上作者在训练的过程中,并不是严格按照这个步骤进行更新的,他是先训练了鉴定器,然后在训练生成器的过程中又重新对鉴定器进行了一次前向传播,使用鉴定器的结果输出,来反向传播影响生成器的权重.

整体训练过程

  • 两次的计算图不一样哦,现实单独优化计算生成器,然后第二次是当作整体进行计算的,然后整体优化生成器的权重.

在这里插入图片描述

具体训练细节

  • 1 创建模型实例对象
    • 首先创建对应生成器,判别器的实例对象,并且将之放置到设备上
    # 创建生成器和鉴定器,并将之放置在设备上generator = Generator(h).to(device)mpd = MultiPeriodDiscriminator().to(device)msd = MultiScaleDiscriminator().to(device)
  • 2 定义模型训练优化器
    • 指定鉴定器和生成器的优化器是AdamW
    • AdamW是Adam的一种变体,是在Adam上引入了权重衰减的修正.
    • 注意:在声明优化器时都需要传入需要影响的模型参数,对于鉴定器而言,这里就给优化器传入了两个模型的参数
optim_g = torch.optim.AdamW(generator.parameters(), h.learning_rate, betas=[h.adam_b1, h.adam_b2])
# 注意这里,判别器的优化器会影响多尺度判别器MSD和多周期判别器MPD
optim_d = torch.optim.AdamW(itertools.chain(msd.parameters(), mpd.parameters()),h.learning_rate, betas=[h.adam_b1, h.adam_b2])
  • torch.optim.AdamW的参数说明

在这里插入图片描述

  • 3 定义学习率调度器
    • 在训练过程中,动态调整学习率,以便能够更好地训练模型.这两个调度器适用于生成器和判别器两个优化器,
    • ExponentialLR:指数衰减学习率调度器,在每一个epoch后乘以一个给定的常数因子
    • 调用学习率参数调度器时,需要指定模型对应的优化器
scheduler_g = torch.optim.lr_scheduler.ExponentialLR(optim_g, gamma=h.lr_decay, last_epoch=last_epoch)
scheduler_d = torch.optim.lr_scheduler.ExponentialLR(optim_d, gamma=h.lr_decay, last_epoch=last_epoch)
  • 4 加载训练数据
    • 项目中,并没有直接的mel频谱图,是将音频转换成mel频谱图的,所以具体步骤如下
      • 读取音频文件,将音频文件转为mel频谱图,创建DataLoader数据加载对象
		# 获取训练文件的列表training_filelist, validation_filelist = get_dataset_filelist(a)# 将音频文件转为mel频谱图trainset = MelDataset(training_filelist, h.segment_size, h.n_fft, h.num_mels,h.hop_size, h.win_size, h.sampling_rate, h.fmin, h.fmax, n_cache_reuse=0,shuffle=False if h.num_gpus > 1 else True, fmax_loss=h.fmax_for_loss, device=device,fine_tuning=a.fine_tuning, base_mels_path=a.input_mels_dir)# 创建DataLoader数据加载对象                      train_loader = DataLoader(trainset, num_workers=h.num_workers, shuffle=False,sampler=train_sampler,batch_size=h.batch_size,pin_memory=True,drop_last=True)# 创建验证集的数据加载对象validset = MelDataset(validation_filelist, h.segment_size, h.n_fft, h.num_mels,h.hop_size, h.win_size, h.sampling_rate, h.fmin, h.fmax, False, False, n_cache_reuse=0,fmax_loss=h.fmax_for_loss, device=device, fine_tuning=a.fine_tuning,base_mels_path=a.input_mels_dir)validation_loader = DataLoader(validset, num_workers=1, shuffle=False,sampler=None,batch_size=1,pin_memory=True,drop_last=True)
  • 5 将模型指定为训练模式
    • pytorch中模型有两种模式,分别是训练模式(training model)和评估模式(evaluation mode)
    • 训练模式 training mode:
      • Dropout层会将一些神经元输出设置为0
      • BatchNorm层会使用mini-batch的统计数据进行归一化
    • 评估模式 evaluation mode
      • Dropout层不会改变任何神经元的输出
      • BatchNorm层会使用整个训练集的统计数据进行归一化
  • 在这里,需要对模型进行训练,所以需要将模型的模式设置为train
# 设置模型为训练模式
generator.train()
mpd.train()
msd.train()
  • 6 循环遍历数据并移动到设备
    • 功能描述:
      • 遍历数据中的每一个batch,然后将数据移动到设备上
    • 知识补充:
      • 在pytorch中,需要将数据封装成variable变量,才能放到设备上参与训练
      • unsqueeze是将給数据在增加一个维度,使y和其他的数据维度一致
      • 非阻塞模式:快速相应,某些操作没有完成,立刻返回,不会陷入阻塞等待
# 遍历数据批次
for i, batch in enumerate(train_loader):# 判定是否为主线程if rank == 0:start_b = time.time()# 从当前的批次中获取输入数据x,目标输出y,以及梅尔频谱图y_mel    x, y, _, y_mel = batch# 将所有的数据封装为pytorch的变量Variable对象,并将之移动到指定的设备上x = torch.autograd.Variable(x.to(device, non_blocking=True))y = torch.autograd.Variable(y.to(device, non_blocking=True))y_mel = torch.autograd.Variable(y_mel.to(device, non_blocking=True))# 调整目标输出的维度,增加了目标输出y的维度,确保y和模型的输出y_hat的维度一致y = y.unsqueeze(1)
  • 7 梯度清零
    • 在每一次训练之前,都需要将模型梯度清零,避免梯度的累积
		# 判别器梯度清零optim_d.zero_grad()# Generator# 生成器梯度清零optim_g.zero_grad()
  • 8 前向传播
    • 前向传播分为三个部分
      • 生成器调用mel频谱图生成波形图y_g_hat
      • 多周期判别器接受y_g_hat(生成器生成波形图),
        • y_df_hat_r表示对于真实数据的判别结果,
        • y_df_hat_g表示对于生成数据的判别结果
      • 多尺度判别器接受y_g_hat(生成器生成波形图)
        • y_ds_hat_r表示对于真实数据的判别结果,
        • y_ds_hat_g表示对于生成数据的判别结果
# 生成器生成结果
y_g_hat = generator(x)
# 多周期判别器生成结果
y_df_hat_r, y_df_hat_g, _, _ = mpd(y, y_g_hat.detach())
# 多尺度判别器生成结果
y_ds_hat_r, y_ds_hat_g, _, _ = msd(y, y_g_hat.detach())
  • 9 计算损失
    • 两部分损失
      • 生成器损失:mel损失+特征匹配损失+最小二乘损失
        • 注意,生成器的损失也是根据判别器进行确定,是两个判别器损失之和
      • 判别器损失:msd多尺度判别器损失+mpd多周期判别器损失
# 将生成器的生成的波形图y_g_hat生成为对应mel频谱图
y_g_hat_mel = mel_spectrogram(y_g_hat.squeeze(1), h.n_fft, h.num_mels, h.sampling_rate, h.hop_size, h.win_size,h.fmin, h.fmax_for_loss)
# L1 Mel-Spectrogram Loss
# 生成器的L1损失
loss_mel = F.l1_loss(y_mel, y_g_hat_mel) * 45# 计算两个判别器的损失
# loss_disc_f是多周期判别器的损失
# loss_disc_s是多尺度判别器的损失
# losses_disc_f_r, losses_disc_f_g分别是每一层的多周期鉴定器对于真实数据和生成数据判别结果
# losses_disc_s_r, losses_disc_s_g 分别是每一层的多尺度鉴定器对于真实数据和生成数据判别结果
loss_disc_f, losses_disc_f_r, losses_disc_f_g = discriminator_loss(y_df_hat_r, y_df_hat_g)
loss_disc_s, losses_disc_s_r, losses_disc_s_g = discriminator_loss(y_ds_hat_r, y_ds_hat_g)
loss_disc_all = loss_disc_s + loss_disc_f# 计算生成器损失,包括mel频谱图的L1损失\特征匹配损失和生成器损失
y_df_hat_r, y_df_hat_g, fmap_f_r, fmap_f_g = mpd(y, y_g_hat)
y_ds_hat_r, y_ds_hat_g, fmap_s_r, fmap_s_g = msd(y, y_g_hat)
loss_fm_f = feature_loss(fmap_f_r, fmap_f_g)
loss_fm_s = feature_loss(fmap_s_r, fmap_s_g)
loss_gen_f, losses_gen_f = generator_loss(y_df_hat_g)
loss_gen_s, losses_gen_s = generator_loss(y_ds_hat_g)
loss_gen_all = loss_gen_s + loss_gen_f + loss_fm_s + loss_fm_f + loss_mel
  • 注意:

    • 下面关于判别器前向传播的两次使用目的不同
    • mpd(y, y_g_hat)和msd(y, y_g_hat)
      • 上面的并没有将y_g_hat从计算图中剥离出来,是通过鉴定器的反馈来影响计算生成器的权重
    • mpd(y, y_g_hat.detach())和msd(y, y_g_hat.detach())
      • 上面将y_g_hat从计算图中剥离出来,是单纯训练鉴定器的权重参数
  • 10 反向传播和梯度更新

    • 计算完对应的权重之后,在进行反向传播,然后进行梯度更新
    # 反向传播鉴别器的损失loss_disc_all.backward()# 梯度更新optim_d.step()# 反向传播生成器的损失loss_gen_all.backward()# 执行梯度优化optim_g.step()
  • 11 更新学习率调度器
    • 更新学习率
# 更新学习率调度器
scheduler_g.step()
scheduler_d.step()

具体运行流程

  • 具体如下图,绿色的是专门用来对判别器的参数进行优化的,蓝色的是专门用来对生成器的参数进行优化的.
  • 可以看到调用了两次msd判别器和mpd判别器对模型进行优化,但是效果不一样
    • 第一次调用是绿框
      • 分别对两个判别器进行了误差计算和反向传播,并且更新模型参数,但是传入y_g_hat时使用detach
        • 在更新判别器的权重时,需要固定生成器的权重,防止相互影响
    • 第二次调用是蓝框
      • 仅仅是单纯调用了两个判别器进行前向传播**,并没有进行误差计算和反向传播**
        • 根据两个判别器的反馈,来更新生成器的权重,需要计算与y_h_hat的梯度

在这里插入图片描述

多GPU编程

  • 在这个项目的代码中,写了多个GPU同时训练的代码,这里并不是重点,但是还是用来学习使用一下.

  • 1 使用多线进程进行训练

    • 可以使用torch.multiprocessing管理多进程的训练,具体使用如下
import torch.multiprocessing as mpdef train(rank):# 训练模型的代码if __name__ == '__main__':mp.spawn(train, nprocs=num_gpus)
  • 2 实现数据的分布式并行训练
    • DistributedDataParallel(DDP)实现了分布式数据并行训练。DDP通过分割mini-batch并将工作分配给多个设备来实现。
if h.num_gpus > 1:generator = DistributedDataParallel(generator, device_ids=[rank]).to(device)mpd = DistributedDataParallel(mpd, device_ids=[rank]).to(device)msd = DistributedDataParallel(msd, device_ids=[rank]).to(device)
  • 3 多进程中的进程编号和分类

    • 分布式训练中,每一个进程都有一个唯一的标识符,称为"秩",rank
    • rank = 0;表示主进程,执行特殊人物,用于日志记录, 检查点保存 ,验证等. 其他进程只负责训练
    • 通过检查rank == 0,代码确保某些操作(例如打印训练进度、保存模型检查点等)只在主进程中执行一次,而不是在每个进程中都执行。这有助于避免重复的日志记录和其他可能的冲突。
    • 在分布式训练中,所有进程通常并行运行相同的代码,但通过使用秩,可以在不同的进程中实现不同的行为。这是一种常见的编程模式,用于确保分布式系统的协调和效率。
  • 到此为止吧,这里暂时不做过多的解释,他的代码直接可以使用,因为那个代码包含了多GPU和单GPU训练的代码, 是兼容的.可以直接使用.

main函数(通用代码)

  • 基本上在好多项目中,都看到了下面的代码,检测有几个GPU,然后进行多GPU的训练。加载参数进行训练,然后直接命令行调用。这样很高校,将所有的文件都集中在一个地方。
def main():print('Initializing Training Process..')parser = argparse.ArgumentParser()# 加载并解析参数# group_name表示分组名称parser.add_argument('--group_name', default=None)# input_wavs_dir表示输入的音频文件夹parser.add_argument('--input_wavs_dir', default='LJSpeech-1.1/wavs')# input_mels_dir表示输入的mel谱文件夹parser.add_argument('--input_mels_dir', default='ft_dataset')# input_training_file表示输入的训练文件parser.add_argument('--input_training_file', default='LJSpeech-1.1/training.txt')# input_validation_file表示输入的验证文件parser.add_argument('--input_validation_file', default='LJSpeech-1.1/validation.txt')# checkpoint_path表示检查点路径parser.add_argument('--checkpoint_path', default='cp_hifigan')# config表示配置文件parser.add_argument('--config', default='')# training_epoches训练的总周期数。默认值为3100。parser.add_argument('--training_epochs', default=3100, type=int)# stdout_interval: 标准输出日志的间隔步数。默认值为5。parser.add_argument('--stdout_interval', default=5, type=int)# checkpoint_interval: 检查点保存的间隔步数。默认值为5000。parser.add_argument('--checkpoint_interval', default=5000, type=int)# summary_interval: TensorBoard摘要记录的间隔步数。默认值为100。parser.add_argument('--summary_interval', default=100, type=int)# validation_interval: 验证的间隔步数。默认值为1000。parser.add_argument('--validation_interval', default=1000, type=int)# fine_tuning: 是否进行微调。默认值为False。parser.add_argument('--fine_tuning', default=False, type=bool)a = parser.parse_args()# 读取配置文件with open(a.config) as f:data = f.read()# 解析json文件json_config = json.loads(data)# 将json文件转换为字典h = AttrDict(json_config)# 根据配置文件创建对应文件build_env(a.config, 'config.json', a.checkpoint_path)# 设置随机种子,确保训练的可重复性torch.manual_seed(h.seed)# 检测GPU,如果多个GPU就同时训练if torch.cuda.is_available():torch.cuda.manual_seed(h.seed)h.num_gpus = torch.cuda.device_count()h.batch_size = int(h.batch_size / h.num_gpus)print('Batch size per GPU :', h.batch_size)else:passif h.num_gpus > 1:# 多个GPU的训练方式mp.spawn(train, nprocs=h.num_gpus, args=(a, h,))else:# 一个GPU的训练方式train(0, a, h)

完整代码

import warnings
warnings.simplefilter(action='ignore', category=FutureWarning)
import itertools
import os
import time
import argparse
import json
import torch
import torch.nn.functional as F
from torch.utils.tensorboard import SummaryWriter
from torch.utils.data import DistributedSampler, DataLoader
import torch.multiprocessing as mp
from torch.distributed import init_process_group
from torch.nn.parallel import DistributedDataParallel
from env import AttrDict, build_env
from meldataset import MelDataset, mel_spectrogram, get_dataset_filelist
from models import Generator, MultiPeriodDiscriminator, MultiScaleDiscriminator, feature_loss, generator_loss,\discriminator_loss
from utils import plot_spectrogram, scan_checkpoint, load_checkpoint, save_checkpointtorch.backends.cudnn.benchmark = Truedef train(rank, a, h):# 基本步骤:多个GPU,则初始化分布训练组if h.num_gpus > 1:init_process_group(backend=h.dist_config['dist_backend'], init_method=h.dist_config['dist_url'],world_size=h.dist_config['world_size'] * h.num_gpus, rank=rank)# 基本步骤:初始化随机种子torch.cuda.manual_seed(h.seed)# 基本步骤:设备命名device = torch.device('cuda:{:d}'.format(rank))# 创建生成器和鉴定器,并将之放置在设备上generator = Generator(h).to(device)mpd = MultiPeriodDiscriminator().to(device)msd = MultiScaleDiscriminator().to(device)# 如果是主进程,就打印生成器并且创建检查点目录if rank == 0:print(generator)os.makedirs(a.checkpoint_path, exist_ok=True)print("checkpoints directory : ", a.checkpoint_path)# 检查是否存在检查点,如果存在则加载检查点??# 这里的加载检查点是什么意思??if os.path.isdir(a.checkpoint_path):cp_g = scan_checkpoint(a.checkpoint_path, 'g_')cp_do = scan_checkpoint(a.checkpoint_path, 'do_')steps = 0if cp_g is None or cp_do is None:state_dict_do = Nonelast_epoch = -1else:state_dict_g = load_checkpoint(cp_g, device)state_dict_do = load_checkpoint(cp_do, device)generator.load_state_dict(state_dict_g['generator'])mpd.load_state_dict(state_dict_do['mpd'])msd.load_state_dict(state_dict_do['msd'])steps = state_dict_do['steps'] + 1last_epoch = state_dict_do['epoch']# 如果有多个GPU,就是用分布式数据并行if h.num_gpus > 1:generator = DistributedDataParallel(generator, device_ids=[rank]).to(device)mpd = DistributedDataParallel(mpd, device_ids=[rank]).to(device)msd = DistributedDataParallel(msd, device_ids=[rank]).to(device)# 定义优化器optim_g = torch.optim.AdamW(generator.parameters(), h.learning_rate, betas=[h.adam_b1, h.adam_b2])optim_d = torch.optim.AdamW(itertools.chain(msd.parameters(), mpd.parameters()),h.learning_rate, betas=[h.adam_b1, h.adam_b2])#  如果存在检查点,就加载优化器的状态if state_dict_do is not None:optim_g.load_state_dict(state_dict_do['optim_g'])optim_d.load_state_dict(state_dict_do['optim_d'])# 定义学习率调度器scheduler_g = torch.optim.lr_scheduler.ExponentialLR(optim_g, gamma=h.lr_decay, last_epoch=last_epoch)scheduler_d = torch.optim.lr_scheduler.ExponentialLR(optim_d, gamma=h.lr_decay, last_epoch=last_epoch)training_filelist, validation_filelist = get_dataset_filelist(a)trainset = MelDataset(training_filelist, h.segment_size, h.n_fft, h.num_mels,h.hop_size, h.win_size, h.sampling_rate, h.fmin, h.fmax, n_cache_reuse=0,shuffle=False if h.num_gpus > 1 else True, fmax_loss=h.fmax_for_loss, device=device,fine_tuning=a.fine_tuning, base_mels_path=a.input_mels_dir)# 创建分布式采样器train_sampler = DistributedSampler(trainset) if h.num_gpus > 1 else Nonetrain_loader = DataLoader(trainset, num_workers=h.num_workers, shuffle=False,sampler=train_sampler,batch_size=h.batch_size,pin_memory=True,drop_last=True)if rank == 0:validset = MelDataset(validation_filelist, h.segment_size, h.n_fft, h.num_mels,h.hop_size, h.win_size, h.sampling_rate, h.fmin, h.fmax, False, False, n_cache_reuse=0,fmax_loss=h.fmax_for_loss, device=device, fine_tuning=a.fine_tuning,base_mels_path=a.input_mels_dir)validation_loader = DataLoader(validset, num_workers=1, shuffle=False,sampler=None,batch_size=1,pin_memory=True,drop_last=True)sw = SummaryWriter(os.path.join(a.checkpoint_path, 'logs'))# 设置模型为训练模式generator.train()mpd.train()msd.train()# 开始训练循环for epoch in range(max(0, last_epoch), a.training_epochs):if rank == 0:start = time.time()print("Epoch: {}".format(epoch+1))# 如果有多个GPU,就设置分布式数据并行的采样器if h.num_gpus > 1:train_sampler.set_epoch(epoch)# 遍历数据批次for i, batch in enumerate(train_loader):if rank == 0:start_b = time.time()# 从当前的批次中获取输入数据x,目标输出y,以及梅尔频谱图y_melx, y, _, y_mel = batch# 将所有的数据封装为pytorch的变量Variable对象,并将之移动到指定的设备上x = torch.autograd.Variable(x.to(device, non_blocking=True))y = torch.autograd.Variable(y.to(device, non_blocking=True))y_mel = torch.autograd.Variable(y_mel.to(device, non_blocking=True))# 调整目标输出的维度,增加了目标输出y的维度,确保y和模型的输出y_hat的维度一致y = y.unsqueeze(1)# 生成器生成y_g_hat = generator(x)y_g_hat_mel = mel_spectrogram(y_g_hat.squeeze(1), h.n_fft, h.num_mels, h.sampling_rate, h.hop_size, h.win_size,h.fmin, h.fmax_for_loss)# 判别器梯度清零optim_d.zero_grad()# MPD# 多周期判别器的损失y_df_hat_r, y_df_hat_g, _, _ = mpd(y, y_g_hat.detach())loss_disc_f, losses_disc_f_r, losses_disc_f_g = discriminator_loss(y_df_hat_r, y_df_hat_g)# MSD# 多尺度判别器生成的数据y_ds_hat_r, y_ds_hat_g, _, _ = msd(y, y_g_hat.detach())loss_disc_s, losses_disc_s_r, losses_disc_s_g = discriminator_loss(y_ds_hat_r, y_ds_hat_g)# 总的判别器损失loss_disc_all = loss_disc_s + loss_disc_f# 反向传播鉴别器的损失loss_disc_all.backward()optim_d.step()# Generator# 生成器梯度清零optim_g.zero_grad()# L1 Mel-Spectrogram Loss# 生成器的L1损失loss_mel = F.l1_loss(y_mel, y_g_hat_mel) * 45# 计算生成器损失,包括mel频谱图的L1损失\特征匹配损失和生成器损失y_df_hat_r, y_df_hat_g, fmap_f_r, fmap_f_g = mpd(y, y_g_hat)y_ds_hat_r, y_ds_hat_g, fmap_s_r, fmap_s_g = msd(y, y_g_hat)loss_fm_f = feature_loss(fmap_f_r, fmap_f_g)loss_fm_s = feature_loss(fmap_s_r, fmap_s_g)loss_gen_f, losses_gen_f = generator_loss(y_df_hat_g)loss_gen_s, losses_gen_s = generator_loss(y_ds_hat_g)loss_gen_all = loss_gen_s + loss_gen_f + loss_fm_s + loss_fm_f + loss_mel# 反向传播生成器的损失loss_gen_all.backward()# 执行梯度优化optim_g.step()# 如果是主进程,进行日志记录   检查点保存和验证if rank == 0:# STDOUT logging# 标准输出日志if steps % a.stdout_interval == 0:with torch.no_grad():mel_error = F.l1_loss(y_mel, y_g_hat_mel).item()print('Steps : {:d}, Gen Loss Total : {:4.3f}, Mel-Spec. Error : {:4.3f}, s/b : {:4.3f}'.format(steps, loss_gen_all, mel_error, time.time() - start_b))# checkpointing# 检查点保存if steps % a.checkpoint_interval == 0 and steps != 0:checkpoint_path = "{}/g_{:08d}".format(a.checkpoint_path, steps)save_checkpoint(checkpoint_path,{'generator': (generator.module if h.num_gpus > 1 else generator).state_dict()})checkpoint_path = "{}/do_{:08d}".format(a.checkpoint_path, steps)save_checkpoint(checkpoint_path, {'mpd': (mpd.module if h.num_gpus > 1else mpd).state_dict(),'msd': (msd.module if h.num_gpus > 1else msd).state_dict(),'optim_g': optim_g.state_dict(), 'optim_d': optim_d.state_dict(), 'steps': steps,'epoch': epoch})# Tensorboard summary logging# tensorboard摘要日志if steps % a.summary_interval == 0:sw.add_scalar("training/gen_loss_total", loss_gen_all, steps)sw.add_scalar("training/mel_spec_error", mel_error, steps)# Validation# 验证if steps % a.validation_interval == 0:  # and steps != 0:generator.eval()torch.cuda.empty_cache()val_err_tot = 0with torch.no_grad():for j, batch in enumerate(validation_loader):x, y, _, y_mel = batchy_g_hat = generator(x.to(device))y_mel = torch.autograd.Variable(y_mel.to(device, non_blocking=True))y_g_hat_mel = mel_spectrogram(y_g_hat.squeeze(1), h.n_fft, h.num_mels, h.sampling_rate,h.hop_size, h.win_size,h.fmin, h.fmax_for_loss)val_err_tot += F.l1_loss(y_mel, y_g_hat_mel).item()# 保存音频和频谱图if j <= 4:if steps == 0:sw.add_audio('gt/y_{}'.format(j), y[0], steps, h.sampling_rate)sw.add_figure('gt/y_spec_{}'.format(j), plot_spectrogram(x[0]), steps)sw.add_audio('generated/y_hat_{}'.format(j), y_g_hat[0], steps, h.sampling_rate)y_hat_spec = mel_spectrogram(y_g_hat.squeeze(1), h.n_fft, h.num_mels,h.sampling_rate, h.hop_size, h.win_size,h.fmin, h.fmax)sw.add_figure('generated/y_hat_spec_{}'.format(j),plot_spectrogram(y_hat_spec.squeeze(0).cpu().numpy()), steps)val_err = val_err_tot / (j+1)sw.add_scalar("validation/mel_spec_error", val_err, steps)generator.train()steps += 1# 更新学习率调度器scheduler_g.step()scheduler_d.step()if rank == 0:print('Time taken for epoch {} is {} sec\n'.format(epoch + 1, int(time.time() - start)))def main():print('Initializing Training Process..')parser = argparse.ArgumentParser()# 加载并解析参数# group_name表示分组名称parser.add_argument('--group_name', default=None)# input_wavs_dir表示输入的音频文件夹parser.add_argument('--input_wavs_dir', default='LJSpeech-1.1/wavs')# input_mels_dir表示输入的mel谱文件夹parser.add_argument('--input_mels_dir', default='ft_dataset')# input_training_file表示输入的训练文件parser.add_argument('--input_training_file', default='LJSpeech-1.1/training.txt')# input_validation_file表示输入的验证文件parser.add_argument('--input_validation_file', default='LJSpeech-1.1/validation.txt')# checkpoint_path表示检查点路径parser.add_argument('--checkpoint_path', default='cp_hifigan')# config表示配置文件parser.add_argument('--config', default='')# training_epoches训练的总周期数。默认值为3100。parser.add_argument('--training_epochs', default=3100, type=int)# stdout_interval: 标准输出日志的间隔步数。默认值为5。parser.add_argument('--stdout_interval', default=5, type=int)# checkpoint_interval: 检查点保存的间隔步数。默认值为5000。parser.add_argument('--checkpoint_interval', default=5000, type=int)# summary_interval: TensorBoard摘要记录的间隔步数。默认值为100。parser.add_argument('--summary_interval', default=100, type=int)# validation_interval: 验证的间隔步数。默认值为1000。parser.add_argument('--validation_interval', default=1000, type=int)# fine_tuning: 是否进行微调。默认值为False。parser.add_argument('--fine_tuning', default=False, type=bool)a = parser.parse_args()# 读取配置文件with open(a.config) as f:data = f.read()# 解析json文件json_config = json.loads(data)# 将json文件转换为字典h = AttrDict(json_config)# 根据配置文件创建对应文件build_env(a.config, 'config.json', a.checkpoint_path)# 设置随机种子,确保训练的可重复性torch.manual_seed(h.seed)# 检测GPU,如果多个GPU就同时训练if torch.cuda.is_available():torch.cuda.manual_seed(h.seed)h.num_gpus = torch.cuda.device_count()h.batch_size = int(h.batch_size / h.num_gpus)print('Batch size per GPU :', h.batch_size)else:passif h.num_gpus > 1:# 多个GPU的训练方式mp.spawn(train, nprocs=h.num_gpus, args=(a, h,))else:# 一个GPU的训练方式train(0, a, h)if __name__ == '__main__':main()

总结

  • 我觉得在训练过程中关于生成器和鉴定器的前向传播过程中的链接,十分重要,虽然很多东西都是分开算的,但是最终都会同意进行误差反向传播,并且梯度优化也是针对两个分别声明的变量.需要仔细留一下.
  • 两次前向传播的计算图不一样,我觉得我现在仅仅是懂了代码框架,并没有懂代码背后的计算图是什么样的.如果有计算图,我应该会更好说明这两次前向传播的过程.
  • 然后就是多个GPU同时训练的过程,需要好好学习一下,目前,大部分都是使用单个GPU进行训练学习,对于多个GPU的训练考虑到主线程和其余多个线程的协调关系,对然他已经给你封装好了,你还是需要学习一下,理解才行.
  • 这个代码太长了,严重拉慢了我的进度,所以就挑重点阅读学习了一下,下次有空可以整体学习一下这个代码.

引用

  • chatGPT-plus
  • HiFi-GAN demo
  • HiFi-GAN: Generative Adversarial Networks for Efficient and High Fidelity Speech Synthesis

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/74740.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

数据分析基础-Excel图表的美化操作(按照教程一步步操作)

一、原始数据 包含月份和对应的销量和产量。 时间销量产量1月60722月38673月28344月58685月67596月72357月61428月24319月556710月243511月122112月2645 二、原始的图表设计-采用Excel自带模板 三、优化思路 1、删除多余元素 2、弱化次要元素 对于可以弱化的元素&#xff0c…

VMware vSphere整体解决方案及实验拓扑

VMware vSphere整体解决方案及实验拓扑 VMware vSphere完整的解决方案 VMware vSphere有两个核心组件&#xff1a;ESXI&#xff0c;vCenter。ESXI实现的是单机虚拟化&#xff0c;而vCenter实现集群虚拟化&#xff0c;把所有的ESXI统一进行管理。当然了&#xff0c;要想是实现…

构建vue项目配置和环境配置

目录 1、环境变量process.env配置2、vue package.json多环境配置vue-cli-service serve其他用法vue-cli-service build其他用法vue-cli-service inspect其他用法3、vue导出webpack配置4、配置打包压缩图片文件5、打包去掉多余css(由于依赖问题暂时未实现)6、打包去除console.…

SW - 装配图用的组合零件的制作步骤

文章目录 SW - 装配图用的组合零件的制作步骤概述笔记END SW - 装配图用的组合零件的制作步骤 概述 一套相关零件做好后, 需要做装配体, 将零件都装上, 看看是否有纰漏. 如果不做总装图, 真不放心. 万一废了, 耽误的时间大把的. 做总装图的时间比做零件的2个星期比起来, 代价…

打印Winform控件实现简陋版的分页打印(C#)

本文的代码可以从这里获取&#xff1a;winformDemo.rar 张祥裕/分享的资源名称 - Gitee.com 作者的水平有限&#xff0c;如有错误&#xff0c;望指正。 为了简单起见&#xff0c;纸张大小&#xff0c;打印机等信息按照默认的来&#xff0c;本文的实现方案是&#xff1a;打印Pa…

使用正则表达式 移除 HTML 标签后得到字符串

需求分析 后台返回的数据是 这样式的 需要讲html 标签替换 high_light_text: "<span stylecolor:red>OPPO</span> <span stylecolor:red>OPPO</span> 白色 01"使用正则表达式 function stripHTMLTags(htmlString) {return htmlString.rep…

vue中各种混淆用法汇总

✨在生成、导出、导入、使用 Vue 组件的时候&#xff0c;像我这种新手就会常常被位于不同文件的 new Vue() 、 export default{} 搞得晕头转向。本文对常见用法汇总区分 new Vue() &#x1f4a6;Vue()就是一个构造函数&#xff0c;new Vue()是创建一个 vue 实例。该实例是一个…

阿里云ssl免费数字证书快过期 如何更换

1.登陆阿里云 找到ssl 查看快过期的证书 数字证书管理服务-ssl证书 2.创建免费的证书&#xff0c;对应过期证书的域名 3.下载新证书 pem key放在本地 此处记录本地的下载路径 /Users/dorsey/Downloads/10791167_lzzabc.cn_nginx/lzzabc.cn.pem /Users/dorsey/Downloads/1…

初阶数据结构——二叉树题目

文章目录 一、单值二叉树二、检查两颗树是否相同三、另一棵树的子树四、二叉树的前序遍历五、对称二叉树 一、单值二叉树 单值二叉树 如果二叉树每个节点都具有相同的值&#xff0c;那么该二叉树就是单值二叉树。只有给定的树是单值二叉树时&#xff0c;才返回 true&#xff…

Mapping温度分布验证选择数据记录仪时需要考虑的13件事

01 什么是温度分布验证&#xff1f; 温度分布验证是通过在规定的研究时间内测量定义区域内的多个点来确定特定温度控制环境或过程&#xff08;如冷冻柜、冰箱、培养箱、稳定室、仓库或高压灭菌器&#xff09;的温度分布的过程。温度分布验证的目标是确定每个测量点之间的差异&…

1.netty介绍

1.介绍 是JBOSS通过的java开源框架是异步的,基于事件驱动(点击一个按钮调用某个函数)的网络应用框架,高性能高可靠的网络IO程序基于TCP,面向客户端高并发应用/点对点大量数据持续传输的应用是NIO框架 (IO的一层层封装) TCP/IP->javaIO和网络编程–>NIO—>Netty 2.应用…

FFmepg视频解码

1 前言 上一篇文章<FFmpeg下载安装及Windows开发环境设置>介绍了FFmpeg的下载安装及环境配置&#xff0c;本文介绍最简单的FFmpeg视频解码示例。 2 视频解码过程 本文只讨论视频解码。 FFmpeg视频解码的过程比较简单&#xff0c;实际就4步&#xff1a; 打开媒体流获取…

Redis-1

Redis 理论部分 redis 速度快的原因 1、纯内存操作 2、单线程操作&#xff0c;避免了频繁的上下文切换和资源争用问题&#xff0c;多线程需要占用更多的 CPU 资源 3、采用了非阻塞 I/O 多路复用机制 4、提供了非常高效的数据结构&#xff0c;例如双向链表、压缩页表和跳跃…

idea模块的pom.xml被划横线,不识别的解决办法

目录 问题&#xff1a; 解决办法&#xff1a; 1.打开设置 2. 取消勾选 3.点击确认 4.解决 问题提出&#xff1a; 写shi山的过程中&#xff0c;给模块取错名字了&#xff0c;改名的时候不知道点到了什么&#xff0c;一个模块的pom.xml变成灰色了&#xff0…

【Spring Cloud 四】Ribbon负载均衡

Ribbon负载均衡 系列文章目录背景一、什么是Ribbon二、为什么要有Ribbon三、使用Ribbon进行负载均衡服务提供者A代码pom文件yml配置文件启动类controller 服务提供者Bpom文件yml配置文件启动类controller 服务消费者pom文件yml文件启动类controller 运行测试 四、Ribbon的负载均…

Vue没有node_modules怎么办

npm install 一下 然后再npm run serve 就可以运行了

isp调试工具环境搭建及其介绍!

一、isp调试环境搭建&#xff1a; 后期调试isp&#xff0c;是在rv1126提供的RKISP2.x Tuner工具上进行调试&#xff0c;所以我们大前提必须要把这个环境和一些操作先搞熟悉来&#xff0c;后面有一些专用术语&#xff0c;我们遇到了再去看&#xff0c;现在专门看一些专用术语&am…

冠达管理:光伏巨头大反弹!业绩环比提升+低市盈率+超跌股仅14只

今年以来&#xff0c;部分公司得益于职业景气量提高、上游成本下滑、财物处置等原因&#xff0c;连续两个季度净利润继续改进。 光伏巨子成绩环比大幅增加&#xff0c;股价底部大涨 8月3日&#xff0c;光伏龙头隆基绿能股价大涨6.05%&#xff0c;全天成交额到达89.85亿元&…

Stable Diffusion AI绘画初学者指南【概述、云端环境搭建】

概述、云端环境搭建 Stable Diffusion 是什么、能干啥&#xff1f; 是一种基于深度学习的图像处理技术&#xff0c;可以生成高质量的图像。它可以在不需要真实图像的情况下&#xff0c;通过文字描述来生成逼真的图像。 可以对图像进行修复、超分辨率转换&#xff0c;将低分辨…

【BASH】回顾与知识点梳理(一)

【BASH】回顾与知识点梳理 一 前言一. 认识与学习 BASH1.1 硬件、核心与 Shell1.2 为何要学文字接口的 shell&#xff1f;1.3 系统的合法 shell 与 /etc/shells 功能1.4 Bash shell 的功能1.5 查询指令是否为 Bash shell 的内建命令&#xff1a; type1.6 指令的下达与快速编辑按…