ppg_decode_spec_5ms_sch代码和训练

0. 项目描述

ppg_decode_spec_5ms_sch是从ppg到spec的NN版本映射，期望他能修复FindA中找到的中ppgs不连贯问题，产出连贯的specs

主要基于实验室的服务器和开源代码+LJSpeech等

1. 数据和特征情况

1.1 英文数据集：LJSpeech-1.1

1.1.1 提取的代码项目

Git：https://github.com/ruclion/linears_decoder_5ms_sch_mel_linear/tree/master/LJSpeech

1.1.2 服务器

脚本路径：/datapool/home/hujk17/linears_decoder_5ms_sch_mel_linear/LJSpeech

1.1.3 处理得到的数据

路径：/datapool/home/hujk17/chenxueyuan/LJSpeech-1.1

其中meta_good.txt是提取特征成功的文件名字list，有些ppg的nparray文件，因为服务器变动损坏了，不过问题不大（反正之后要重新做10ms版本）

meta_small.txt是meta_good.txt的一小部分，便于测试;meta.txt是完整的13100句list；注意这两个有文本，meta_good没文本

1.2 中文数据集：DataBaker双语私有语料中文部分（DataBaker_Bilingual_CN）

基本上和LJSpeech差不多，是对称的；大多数区别是读list清单的代码区别

也老老实实列出来吧，以后找路径啥的好找

1.2.1 提取的代码项目

Git：https://github.com/ruclion/linears_decoder_5ms_sch_mel_linear/tree/master/DataBaker_Bilingual_CN

1.1.2 服务器

脚本路径：/datapool/home/hujk17/linears_decoder_5ms_sch_mel_linear/DataBaker_Bilingual_CN

1.1.3 处理得到的数据

路径：/datapool/home/hujk17/chenxueyuan/DataBaker_Bilingual_CN

 

其中meta_good.txt是提取特征成功的文件名字list，有些ppg的nparray文件，因为服务器变动损坏了，不过问题不大（反正之后要重新做10ms版本）

meta_small.txt是meta_good.txt的一小部分，便于测试;meta.txt是完整的10000句list；注意这两个是双行，meta_good只是最简单的一行一个文件名字

interval是类似于开源标贝数据集东西，可能对于衡量PPG有用，先留着吧

2. PPG Decode Spec 模型

2.1. 总的项目架构

使用DCBHG，而不是DLSTM，原因是sch已经跑通了，效果也不错，代码也用的人家的，复现可预期性更高~

Git：https://github.com/ruclion/linears_decoder_5ms_sch_mel_linear

服务器路径：/datapool/home/hujk17/linears_decoder_5ms_sch_mel_linear

为了方便，单独复制出来三个独立项目，分别是：LJSpeech的，Baker的，Multi-speaker的

2.2. ppg_decode_spec_5ms_sch_LJSpeech项目

Git：https://github.com/ruclion/ppg_decode_spec_5ms_sch_LJSpeech

服务器路径：/datapool/home/hujk17/ppg_decode_spec_5ms_sch_LJSpeech

2.2.1. dataload_ljspeech

1. 修改路径，用绝对路径
2. 先用meta_small.txt测试
3. 设定最长长度，目前先2000，后来再调；以后也不能这么padding，临时先用着吧，padding的代码没细看，总之__getitem__得到了固定的长度，有些奇怪。先用着吧，之后看看lh版本的
4. 最长长度的设置反倒方便了调节batch size适应内存

2.2.2. train_cbhg_ljspeech

1. 构建batch目前很烂，需要排序+shuffle版本的
2. 计算loss目前很烂，for循环，太慢了
3. 恢复训练代码没写
4. 只有train，没有validation，需要补上
5. 超参数是长河的，不过需要详细确认下，比如lr是不是太小了

6. 改动了这个，具体弄不太清楚，不过都统一起来吧，'center': True；只要不报错，就没事

7. Variable(ppgs).float()不知道目的是什么。也不会查询pytorch Tensor的变量类型

2.2.3. models_torch

1. 修正下超参数的写法，改为字典，和audio中写法统一起来
2. 画了一张模型图，其中标红的是不理解的
3. 先用着这个版本吗，毕竟和港中文的不同，但是先不变动了，跑出声音再说

 

2.2.4. 运行环境

应该是用的是标准的pytorch环境，凑活着用fastspeech_p36吧

看tensorboard的时候用tensorflow_p36。。。

2.2.5. 训练过程

不知道为什么GPU占用率是0，先不管了，从1200的序列长度one step只有2s来看，是用了GPU的

2.2.6. 预测过程

1. 改动：'center': True
2. 构造了一个：inference_ppgs_path_list.txt，包含ppg的路径们
3. 每次batch size = 1去合成，并且不padding到1200；先这么处理吧
4. 然后去跑，发现可以，效果还挺好

2.3. ppg_decode_spec_5ms_sch_LJSpeech项目