Add model files

exp/asr_train_asr_conformer_s3prlfrontend_hubert_fused_raw_ml_bpe150_sp/RESULTS.md

@@ -0,0 +1,32 @@
+<!-- Generated by scripts/utils/show_asr_result.sh -->
+# RESULTS
+## Environments
+- date: `Sat Mar 19 20:34:49 UTC 2022`
+- python version: `3.9.10 | packaged by conda-forge | (main, Feb  1 2022, 21:24:11)  [GCC 9.4.0]`
+- espnet version: `espnet 0.10.7a1`
+- pytorch version: `pytorch 1.10.1`
+- Git hash: `d2410457152872f63c51ee76ed746a6ea3153f09`
+  - Commit date: `Sat Mar 19 09:04:54 2022 +0000`
+
+## asr_train_asr_conformer_s3prlfrontend_hubert_fused_raw_ml_bpe150_sp
+### WER
+
+|dataset|Snt|Wrd|Corr|Sub|Del|Ins|Err|S.Err|
+|---|---|---|---|---|---|---|---|---|
+|decode_asr_lm_lm_train_lm_ml_bpe150_valid.loss.ave_asr_model_valid.acc.ave/dev_ml|369|2345|75.2|21.8|3.0|2.4|27.2|71.5|
+|decode_asr_lm_lm_train_lm_ml_bpe150_valid.loss.ave_asr_model_valid.acc.ave/test_ml|1062|6136|67.0|28.7|4.3|2.6|35.6|71.8|
+
+### CER
+
+|dataset|Snt|Wrd|Corr|Sub|Del|Ins|Err|S.Err|
+|---|---|---|---|---|---|---|---|---|
+|decode_asr_lm_lm_train_lm_ml_bpe150_valid.loss.ave_asr_model_valid.acc.ave/dev_ml|369|21321|96.1|2.2|1.7|0.9|4.7|71.5|
+|decode_asr_lm_lm_train_lm_ml_bpe150_valid.loss.ave_asr_model_valid.acc.ave/test_ml|1062|57065|93.5|3.2|3.3|1.3|7.7|71.8|
+
+### TER
+
+|dataset|Snt|Wrd|Corr|Sub|Del|Ins|Err|S.Err|
+|---|---|---|---|---|---|---|---|---|
+|decode_asr_lm_lm_train_lm_ml_bpe150_valid.loss.ave_asr_model_valid.acc.ave/dev_ml|369|13402|93.5|4.4|2.1|0.9|7.4|71.3|
+|decode_asr_lm_lm_train_lm_ml_bpe150_valid.loss.ave_asr_model_valid.acc.ave/test_ml|1062|35911|89.9|6.3|3.8|1.3|11.4|70.4|
+

exp/asr_train_asr_conformer_s3prlfrontend_hubert_fused_raw_ml_bpe150_sp/config.yaml

@@ -0,0 +1,348 @@
+config: conf/tuning/train_asr_conformer_s3prlfrontend_hubert_fused.yaml
+print_config: false
+log_level: INFO
+dry_run: false
+iterator_type: sequence
+output_dir: exp/asr_train_asr_conformer_s3prlfrontend_hubert_fused_raw_ml_bpe150_sp
+ngpu: 1
+seed: 0
+num_workers: 1
+num_att_plot: 3
+dist_backend: nccl
+dist_init_method: env://
+dist_world_size: null
+dist_rank: null
+local_rank: 0
+dist_master_addr: null
+dist_master_port: null
+dist_launcher: null
+multiprocessing_distributed: false
+unused_parameters: false
+sharded_ddp: false
+cudnn_enabled: true
+cudnn_benchmark: false
+cudnn_deterministic: false
+collect_stats: false
+write_collected_feats: false
+max_epoch: 50
+patience: null
+val_scheduler_criterion:
+- valid
+- loss
+early_stopping_criterion:
+- valid
+- loss
+- min
+best_model_criterion:
+-   - valid
+    - acc
+    - max
+keep_nbest_models: 10
+nbest_averaging_interval: 0
+grad_clip: 3
+grad_clip_type: 2.0
+grad_noise: false
+accum_grad: 1
+no_forward_run: false
+resume: true
+train_dtype: float32
+use_amp: true
+log_interval: null
+use_matplotlib: true
+use_tensorboard: true
+use_wandb: false
+wandb_project: null
+wandb_id: null
+wandb_entity: null
+wandb_name: null
+wandb_model_log_interval: -1
+detect_anomaly: false
+pretrain_path: null
+init_param: []
+ignore_init_mismatch: false
+freeze_param: []
+num_iters_per_epoch: null
+batch_size: 20
+valid_batch_size: null
+batch_bins: 2000000
+valid_batch_bins: null
+train_shape_file:
+- exp/asr_stats_raw_ml_bpe150_sp/train/speech_shape
+- exp/asr_stats_raw_ml_bpe150_sp/train/text_shape.bpe
+valid_shape_file:
+- exp/asr_stats_raw_ml_bpe150_sp/valid/speech_shape
+- exp/asr_stats_raw_ml_bpe150_sp/valid/text_shape.bpe
+batch_type: numel
+valid_batch_type: null
+fold_length:
+- 80000
+- 150
+sort_in_batch: descending
+sort_batch: descending
+multiple_iterator: false
+chunk_length: 500
+chunk_shift_ratio: 0.5
+num_cache_chunks: 1024
+train_data_path_and_name_and_type:
+-   - dump/raw/train_ml_sp/wav.scp
+    - speech
+    - sound
+-   - dump/raw/train_ml_sp/text
+    - text
+    - text
+valid_data_path_and_name_and_type:
+-   - dump/raw/dev_ml/wav.scp
+    - speech
+    - sound
+-   - dump/raw/dev_ml/text
+    - text
+    - text
+allow_variable_data_keys: false
+max_cache_size: 0.0
+max_cache_fd: 32
+valid_max_cache_size: null
+optim: adam
+optim_conf:
+    lr: 0.5
+scheduler: noamlr
+scheduler_conf:
+    warmup_steps: 2500
+token_list:
+- <blank>
+- <unk>
+- ്
+- ാ
+- ി
+- ു
+- ര
+- ▁
+- ം
+- യ
+- ല
+- െ
+- വ
+- ക
+- ത
+- ക്ക
+- ▁അ
+- ന
+- ട
+- മ
+- േ
+- ോ
+- റ
+- ▁പ
+- ർ
+- ണ
+- ▁ക
+- ▁സ
+- ▁മ
+- ത്ത
+- ള
+- ദ
+- ▁വ
+- ും
+- ▁ആ
+- ന്ന
+- സ
+- ത്
+- ീ
+- ▁ത
+- പ
+- ▁ന
+- ന്
+- ൂ
+- ശ
+- ട്ട
+- ിയ
+- ൻ
+- ഗ
+- ‍
+- ▁എന്ന
+- പ്പ
+- തി
+- സ്
+- ്യ
+- ▁ഇ
+- ൽ
+- ങ്ങ
+- റ്റ
+- ുന്ന
+- ഭ
+- ാണ്
+- രി
+- ഹ
+- ണ്ട
+- ത്തി
+- ▁അവ
+- ധ
+- ഷ
+- ▁എ
+- ാന
+- ▁ച
+- ത്ര
+- ▁പ്ര
+- ായി
+- ▁നി
+- മായ
+- ിൽ
+- ▁ഒരു
+- ഥ
+- കള
+- ▁വി
+- ജ
+- ിന്റെ
+- ബ
+- ക്കുന്ന
+- ിച്ച
+- ങ്ങൾ
+- ▁കാ
+- ുണ്ട
+- ുള്ള
+- ായിരുന്നു
+- ച
+- ക്ഷ
+- കൾ
+- ിരുന്ന
+- ല്ല
+- ൾ
+- യും
+- ▁ജ
+- ▁ബ
+- ഡ
+- ച്ച
+- ▁അതിന
+- ുടെ
+- ിച്ചു
+- ൈ
+- ില്ല
+- ▁ശ
+- യിൽ
+- മാണ്
+- യുടെ
+- ത്തിൽ
+- ൃ
+- ഫ
+- ഖ
+- ഠ
+- e
+- ൺ
+- ഘ
+- _
+- '-'
+- ഐ
+- എ
+- n
+- ൌ
+- ഃ
+- അ
+- ഔ
+- ഊ
+- ഛ
+- r
+- l
+- t
+- ഓ
+- ൗ
+- ഏ
+- ഈ
+- ഉ
+- ൊ
+- ഴ
+- ഞ
+- ഒ
+- ഇ
+- ആ
+- ഋ
+- ഝ
+- ങ
+- ഢ
+- <sos/eos>
+init: null
+input_size: null
+ctc_conf:
+    dropout_rate: 0.0
+    ctc_type: builtin
+    reduce: true
+    ignore_nan_grad: true
+joint_net_conf: null
+model_conf:
+    ctc_weight: 0.3
+    lsm_weight: 0.1
+    length_normalized_loss: false
+use_preprocessor: true
+token_type: bpe
+bpemodel: data/ml_token_list/bpe_unigram150/bpe.model
+non_linguistic_symbols: null
+cleaner: null
+g2p: null
+speech_volume_normalize: null
+rir_scp: null
+rir_apply_prob: 1.0
+noise_scp: null
+noise_apply_prob: 1.0
+noise_db_range: '13_15'
+frontend: fused
+frontend_conf:
+    frontends:
+    -   frontend_type: s3prl
+        frontend_conf:
+            upstream: hubert_large_ll60k
+        download_dir: ./hub
+        multilayer_feature: true
+    -   frontend_type: default
+        n_fft: 512
+        win_length: 400
+        hop_length: 160
+    align_method: linear_projection
+    proj_dim: 100
+    fs: 16k
+specaug: specaug
+specaug_conf:
+    apply_time_warp: true
+    time_warp_window: 5
+    time_warp_mode: bicubic
+    apply_freq_mask: true
+    freq_mask_width_range:
+    - 0
+    - 30
+    num_freq_mask: 2
+    apply_time_mask: true
+    time_mask_width_range:
+    - 0
+    - 40
+    num_time_mask: 2
+normalize: utterance_mvn
+normalize_conf: {}
+preencoder: linear
+preencoder_conf:
+    input_size: 200
+    output_size: 80
+encoder: conformer
+encoder_conf:
+    input_layer: conv2d
+    num_blocks: 12
+    linear_units: 2048
+    dropout_rate: 0.1
+    output_size: 256
+    attention_heads: 4
+    attention_dropout_rate: 0.0
+    pos_enc_layer_type: rel_pos
+    selfattention_layer_type: rel_selfattn
+    activation_type: swish
+    macaron_style: true
+    use_cnn_module: true
+    cnn_module_kernel: 15
+postencoder: null
+postencoder_conf: {}
+decoder: transformer
+decoder_conf:
+    input_layer: embed
+    num_blocks: 6
+    linear_units: 2048
+    dropout_rate: 0.1
+required:
+- output_dir
+- token_list
+version: 0.10.7a1
+distributed: false

exp/asr_train_asr_conformer_s3prlfrontend_hubert_fused_raw_ml_bpe150_sp/valid.acc.ave_10best.pth

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:c446bbc1dbcf517f45d633657575dd052e1735e83fabe8f61e28c989d9c9b092
+size 1440097508

exp/lm_train_lm_ml_bpe150/config.yaml

@@ -0,0 +1,267 @@
+config: conf/train_lm.yaml
+print_config: false
+log_level: INFO
+dry_run: false
+iterator_type: sequence
+output_dir: exp/lm_train_lm_ml_bpe150
+ngpu: 1
+seed: 0
+num_workers: 1
+num_att_plot: 3
+dist_backend: nccl
+dist_init_method: env://
+dist_world_size: null
+dist_rank: null
+local_rank: 0
+dist_master_addr: null
+dist_master_port: null
+dist_launcher: null
+multiprocessing_distributed: false
+unused_parameters: false
+sharded_ddp: false
+cudnn_enabled: true
+cudnn_benchmark: false
+cudnn_deterministic: true
+collect_stats: false
+write_collected_feats: false
+max_epoch: 30
+patience: 3
+val_scheduler_criterion:
+- valid
+- loss
+early_stopping_criterion:
+- valid
+- loss
+- min
+best_model_criterion:
+-   - valid
+    - loss
+    - min
+keep_nbest_models: 1
+nbest_averaging_interval: 0
+grad_clip: 5.0
+grad_clip_type: 2.0
+grad_noise: false
+accum_grad: 1
+no_forward_run: false
+resume: true
+train_dtype: float32
+use_amp: false
+log_interval: null
+use_matplotlib: true
+use_tensorboard: true
+use_wandb: false
+wandb_project: null
+wandb_id: null
+wandb_entity: null
+wandb_name: null
+wandb_model_log_interval: -1
+detect_anomaly: false
+pretrain_path: null
+init_param: []
+ignore_init_mismatch: false
+freeze_param: []
+num_iters_per_epoch: null
+batch_size: 64
+valid_batch_size: null
+batch_bins: 1000000
+valid_batch_bins: null
+train_shape_file:
+- exp/lm_stats_ml_bpe150/train/text_shape.bpe
+valid_shape_file:
+- exp/lm_stats_ml_bpe150/valid/text_shape.bpe
+batch_type: folded
+valid_batch_type: null
+fold_length:
+- 150
+sort_in_batch: descending
+sort_batch: descending
+multiple_iterator: false
+chunk_length: 500
+chunk_shift_ratio: 0.5
+num_cache_chunks: 1024
+train_data_path_and_name_and_type:
+-   - dump/raw/lm_train.txt
+    - text
+    - text
+valid_data_path_and_name_and_type:
+-   - dump/raw/dev_ml/text
+    - text
+    - text
+allow_variable_data_keys: false
+max_cache_size: 0.0
+max_cache_fd: 32
+valid_max_cache_size: null
+optim: sgd
+optim_conf: {}
+scheduler: null
+scheduler_conf: {}
+token_list:
+- <blank>
+- <unk>
+- ്
+- ാ
+- ി
+- ു
+- ര
+- ▁
+- ം
+- യ
+- ല
+- െ
+- വ
+- ക
+- ത
+- ക്ക
+- ▁അ
+- ന
+- ട
+- മ
+- േ
+- ോ
+- റ
+- ▁പ
+- ർ
+- ണ
+- ▁ക
+- ▁സ
+- ▁മ
+- ത്ത
+- ള
+- ദ
+- ▁വ
+- ും
+- ▁ആ
+- ന്ന
+- സ
+- ത്
+- ീ
+- ▁ത
+- പ
+- ▁ന
+- ന്
+- ൂ
+- ശ
+- ട്ട
+- ിയ
+- ൻ
+- ഗ
+- ‍
+- ▁എന്ന
+- പ്പ
+- തി
+- സ്
+- ്യ
+- ▁ഇ
+- ൽ
+- ങ്ങ
+- റ്റ
+- ുന്ന
+- ഭ
+- ാണ്
+- രി
+- ഹ
+- ണ്ട
+- ത്തി
+- ▁അവ
+- ധ
+- ഷ
+- ▁എ
+- ാന
+- ▁ച
+- ത്ര
+- ▁പ്ര
+- ായി
+- ▁നി
+- മായ
+- ിൽ
+- ▁ഒരു
+- ഥ
+- കള
+- ▁വി
+- ജ
+- ിന്റെ
+- ബ
+- ക്കുന്ന
+- ിച്ച
+- ങ്ങൾ
+- ▁കാ
+- ുണ്ട
+- ുള്ള
+- ായിരുന്നു
+- ച
+- ക്ഷ
+- കൾ
+- ിരുന്ന
+- ല്ല
+- ൾ
+- യും
+- ▁ജ
+- ▁ബ
+- ഡ
+- ച്ച
+- ▁അതിന
+- ുടെ
+- ിച്ചു
+- ൈ
+- ില്ല
+- ▁ശ
+- യിൽ
+- മാണ്
+- യുടെ
+- ത്തിൽ
+- ൃ
+- ഫ
+- ഖ
+- ഠ
+- e
+- ൺ
+- ഘ
+- _
+- '-'
+- ഐ
+- എ
+- n
+- ൌ
+- ഃ
+- അ
+- ഔ
+- ഊ
+- ഛ
+- r
+- l
+- t
+- ഓ
+- ൗ
+- ഏ
+- ഈ
+- ഉ
+- ൊ
+- ഴ
+- ഞ
+- ഒ
+- ഇ
+- ആ
+- ഋ
+- ഝ
+- ങ
+- ഢ
+- <sos/eos>
+init: null
+model_conf:
+    ignore_id: 0
+use_preprocessor: true
+token_type: bpe
+bpemodel: data/ml_token_list/bpe_unigram150/bpe.model
+non_linguistic_symbols: null
+cleaner: null
+g2p: null
+lm: seq_rnn
+lm_conf:
+    nlayers: 2
+    unit: 650
+required:
+- output_dir
+- token_list
+version: 0.10.7a1
+distributed: false

exp/lm_train_lm_ml_bpe150/valid.loss.ave_1best.pth

@@ -0,0 +1 @@
+30epoch.pth