企业营销网站怎样做,wordpress换不了密码错误,图片展示模块网站做一个多少钱,做网站中显示链接中内容说明#xff1a;该系列文章从本人知乎账号迁入#xff0c;主要原因是知乎图片附件过于模糊。
知乎专栏地址#xff1a; 语音生成专栏
系列文章地址#xff1a; 【GPT-SOVITS-01】源码梳理 【GPT-SOVITS-02】GPT模块解析 【GPT-SOVITS-03】SOVITS 模块-生成模型解析 【G…说明该系列文章从本人知乎账号迁入主要原因是知乎图片附件过于模糊。
知乎专栏地址 语音生成专栏
系列文章地址 【GPT-SOVITS-01】源码梳理 【GPT-SOVITS-02】GPT模块解析 【GPT-SOVITS-03】SOVITS 模块-生成模型解析 【GPT-SOVITS-04】SOVITS 模块-鉴别模型解析 【GPT-SOVITS-05】SOVITS 模块-残差量化解析 【GPT-SOVITS-06】特征工程-HuBert原理
1.概述
在 GPT-SOVITS 实现中残差量化层是一个相对核心的改动。如前文所述在 AR模块训练时其semantic特征是基于预训练生成模型中残差量化层的输出。残差量化层的核心代码如下 ResidualVectorQuantizer 是残差量化编码器的封装在生成模型中构建ResidualVectorQuantization 是残差量化编码器的具体实现其默认包含8个量化编码器VectorQuantization。层与层之间用的是输入值和量化值的残差。VectorQuantization 是具体某一层的量化编码将输入数据进行量化编码VectorQuantization 在进行量化编码时其编码字典的实现为 Euclideanbook。其将输入数据做k均值聚类实现一个编码器将k均值的中心点作为量化字典。
2、EuclideanCodebook 实现
2.1、原理 输入数据大小为【num_sample,dim】前者为输入数据数量后者为每个数据的向量维度 基于k均值聚类codebook_size参数为聚类K的中心点数量即字典大小kmeans_iters为迭代次数完成k均值聚类后原始数据各值与中心点计算欧式距离以就近原则选择中心点作为量化的替代值
2.2、调试代码参考
book EuclideanCodebook(dim30,codebook_size1024,kmeans_initTrue,kmeans_iters50,decay0.99,epsilon1e-5,threshold_ema_dead_code2)quantize, embed_ind book.forward(sample_data)3、ResidualVectorQuantizer 实现
3.1、原理 残差量化编码器有默认8个独立的量化器构成在每一层的输出时输出三个值 all_losses []all_indices []out_quantized []n_q n_q or len(self.layers)for i, layer in enumerate(self.layers[:n_q]):# quantized: 量化后的特征向量# indices 量化后的特征向量所对应的索引# loss 量化后的特征向量和原始特征的损失quantized, indices, loss layer(residual) # 进入下一层的输入是残差residual residual - quantized # 残差quantized_out quantized_out quantized # 基于量化输出的总体累加输出all_indices.append(indices)all_losses.append(loss)if layers and i in layers:out_quantized.append(quantized)out_losses, out_indices map(torch.stack, (all_losses, all_indices))return quantized_out, out_indices, out_losses, out_quantized
3.2、调试代码参考
rvq ResidualVectorQuantization(dim30,codebook_size1024,num_quantizers8,decay0.99,kmeans_initTrue,kmeans_iters50,threshold_ema_dead_code2)sample_data_1 torch.rand(1,30, 1000)rvq.forward(sample_data_1, layers[0])codes rvq.forward(sample_data_1)indices rvq.encode(sample_data_1)print(rvq.decode(indices))
