域名注册网站 不认证,wordpress 4.7.5中文版,深圳市住房和建设局公众号,上海做网站公司排名文章目录 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#xff08;通用代码#xff09;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#xff0c;具体链接。这篇文章还是学到了很多东西#xff0c;从整体上说#xff0c… 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-GAN2——鉴别器discriminator代码论文代码学习—HiFi-GAN3——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 创建模型的实例对象定义模型训练优化器定义学习率调度优化器(根据上一步进行定义)加载训练数据将模型定义为训练模式遍历数据并移动到设备梯度归零前向传播计算损失反向传播和梯度更新更新学习率调度器 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. 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AdamWAdamW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 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, gammah.lr_decay, last_epochlast_epoch)
scheduler_d torch.optim.lr_scheduler.ExponentialLR(optim_d, gammah.lr_decay, last_epochlast_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_reuse0,shuffleFalse if h.num_gpus 1 else True, fmax_lossh.fmax_for_loss, devicedevice,fine_tuninga.fine_tuning, base_mels_patha.input_mels_dir)# 创建DataLoader数据加载对象 train_loader DataLoader(trainset, num_workersh.num_workers, shuffleFalse,samplertrain_sampler,batch_sizeh.batch_size,pin_memoryTrue,drop_lastTrue)# 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_reuse0,fmax_lossh.fmax_for_loss, devicedevice, fine_tuninga.fine_tuning,base_mels_patha.input_mels_dir)validation_loader DataLoader(validset, num_workers1, shuffleFalse,samplerNone,batch_size1,pin_memoryTrue,drop_lastTrue)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0BatchNorm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_blockingTrue))y torch.autograd.Variable(y.to(device, non_blockingTrue))y_mel torch.autograd.Variable(y_mel.to(device, non_blockingTrue))# 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 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, nprocsnum_gpus)2 实现数据的分布式并行训练 DistributedDataParallelDDP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,rankrank 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, defaultNone)# input_wavs_dir表示输入的音频文件夹parser.add_argument(--input_wavs_dir, defaultLJSpeech-1.1/wavs)# input_mels_dir表示输入的mel谱文件夹parser.add_argument(--input_mels_dir, defaultft_dataset)# input_training_file表示输入的训练文件parser.add_argument(--input_training_file, defaultLJSpeech-1.1/training.txt)# input_validation_file表示输入的验证文件parser.add_argument(--input_validation_file, defaultLJSpeech-1.1/validation.txt)# checkpoint_path表示检查点路径parser.add_argument(--checkpoint_path, defaultcp_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, default3100, typeint)# stdout_interval: 标准输出日志的间隔步数。默认值为5。parser.add_argument(--stdout_interval, default5, typeint)# checkpoint_interval: 检查点保存的间隔步数。默认值为5000。parser.add_argument(--checkpoint_interval, default5000, typeint)# summary_interval: TensorBoard摘要记录的间隔步数。默认值为100。parser.add_argument(--summary_interval, default100, typeint)# validation_interval: 验证的间隔步数。默认值为1000。parser.add_argument(--validation_interval, default1000, typeint)# fine_tuning: 是否进行微调。默认值为False。parser.add_argument(--fine_tuning, defaultFalse, typebool)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, nprocsh.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(actionignore, categoryFutureWarning)
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(backendh.dist_config[dist_backend], init_methodh.dist_config[dist_url],world_sizeh.dist_config[world_size] * h.num_gpus, rankrank)# 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_okTrue)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, gammah.lr_decay, last_epochlast_epoch)scheduler_d torch.optim.lr_scheduler.ExponentialLR(optim_d, gammah.lr_decay, last_epochlast_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_reuse0,shuffleFalse if h.num_gpus 1 else True, fmax_lossh.fmax_for_loss, devicedevice,fine_tuninga.fine_tuning, base_mels_patha.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_workersh.num_workers, shuffleFalse,samplertrain_sampler,batch_sizeh.batch_size,pin_memoryTrue,drop_lastTrue)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_reuse0,fmax_lossh.fmax_for_loss, devicedevice, fine_tuninga.fine_tuning,base_mels_patha.input_mels_dir)validation_loader DataLoader(validset, num_workers1, shuffleFalse,samplerNone,batch_size1,pin_memoryTrue,drop_lastTrue)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(epoch1))# 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_blockingTrue))y torch.autograd.Variable(y.to(device, non_blockingTrue))y_mel torch.autograd.Variable(y_mel.to(device, non_blockingTrue))# 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_blockingTrue))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 / (j1)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, defaultNone)# input_wavs_dir表示输入的音频文件夹parser.add_argument(--input_wavs_dir, defaultLJSpeech-1.1/wavs)# input_mels_dir表示输入的mel谱文件夹parser.add_argument(--input_mels_dir, defaultft_dataset)# input_training_file表示输入的训练文件parser.add_argument(--input_training_file, defaultLJSpeech-1.1/training.txt)# input_validation_file表示输入的验证文件parser.add_argument(--input_validation_file, defaultLJSpeech-1.1/validation.txt)# checkpoint_path表示检查点路径parser.add_argument(--checkpoint_path, defaultcp_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, default3100, typeint)# stdout_interval: 标准输出日志的间隔步数。默认值为5。parser.add_argument(--stdout_interval, default5, typeint)# checkpoint_interval: 检查点保存的间隔步数。默认值为5000。parser.add_argument(--checkpoint_interval, default5000, typeint)# summary_interval: TensorBoard摘要记录的间隔步数。默认值为100。parser.add_argument(--summary_interval, default100, typeint)# validation_interval: 验证的间隔步数。默认值为1000。parser.add_argument(--validation_interval, default1000, typeint)# fine_tuning: 是否进行微调。默认值为False。parser.add_argument(--fine_tuning, defaultFalse, typebool)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, nprocsh.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-plusHiFi-GAN demoHiFi-GAN: Generative Adversarial Networks for Efficient and High Fidelity Speech Synthesis
