init commit

config.yml

@@ -0,0 +1,60 @@
+# 数据集参数
+dataset_conf:
+  # 训练的批量大小
+  batch_size: 64
+  # 说话人数量，即分类大小
+  num_speakers: 3242
+  # 读取数据的线程数量
+  num_workers: 4
+  # 过滤最短的音频长度
+  min_duration: 0.5
+  # 最长的音频长度，大于这个长度会裁剪掉
+  max_duration: 3
+  # 是否裁剪静音片段
+  do_vad: False
+  # 音频的采样率
+  sample_rate: 16000
+  # 是否对音频进行音量归一化
+  use_dB_normalization: True
+  # 对音频进行音量归一化的音量分贝值
+  target_dB: -20
+  # 训练数据的数据列表路径
+  train_list: 'dataset/train_list.txt'
+  # 测试数据的数据列表路径
+  test_list: 'dataset/test_list.txt'
+
+# 数据预处理参数
+preprocess_conf:
+  # 音频预处理方法，支持：MelSpectrogram、Spectrogram、MFCC
+  feature_method: 'MelSpectrogram'
+
+# MelSpectrogram的参数，其他的预处理方法查看对应API设设置参数
+feature_conf:
+  sample_rate: 16000
+  n_fft: 1024
+  hop_length: 320
+  win_length: 1024
+  f_min: 50.0
+  f_max: 14000.0
+  n_mels: 64
+
+optimizer_conf:
+  # 优化方法，支持Adam、AdamW、SGD
+  optimizer: 'Adam'
+  # 初始学习率的大小
+  learning_rate: 0.001
+  weight_decay: 1e-6
+
+model_conf:
+  # 所使用的池化层，支持ASP、SAP、TSP、TAP
+  pooling_type: 'ASP'
+
+train_conf:
+  # 训练的轮数
+  max_epoch: 30
+  log_interval: 100
+
+# 所使用的模型，支持EcapaTdnn、TDNN、Res2Net、ResNetSE
+use_model: 'EcapaTdnn'
+# 所使用的损失函数，支持AAMLoss、AMLoss、ARMLoss、CELoss
+use_loss: 'AAMLoss'

model.pt

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:82c5b0f79add8d1ff11ee06ae58ce423e8fe2e099ebbf2e134713329040001e0
+size 27193761

model.state

@@ -0,0 +1 @@
+{"last_epoch": 28, "eer": 0.019150287201911552, "version": "0.3.9"}

optimizer.pt

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:5aa197567fdddb8d1fcfc33cb8ccc27a698aab15bc873855050999badf402394
+size 54235141