概述

ESPNet是一套基于E2E的开源工具包，可进行语音识别等任务。从另一个角度来说，ESPNet和HTK、Kaldi是一个性质的东西，都是开源的NLP工具；引用论文作者的话：ESPnet是基于一个基于Attention的编码器-解码器网络，另包含部分CTC组件。

• 参考实现：

  url=https://github.com/espnet/espnet/tree/v.0.10.5
  commit_id=b053cf10ce22901f9c24b681ee16c1aa2c79a8c2

• 适配昇腾 AI 处理器的实现：

  url=https://gitee.com/ascend/ModelZoo-PyTorch.git
  code_path=PyTorch/built-in/audio

准备训练环境

准备环境

• 当前模型支持的 PyTorch 版本和已知三方库依赖如下表所示。

  表 1 版本支持表

  Torch_Version	三方库依赖版本
  PyTorch 1.5	-
  PyTorch 1.8	-

• 环境准备指导。

  请参考《Pytorch框架训练环境准备》。

• 安装依赖。

  在模型源码包根目录下执行命令。

  pip3 install -r requirements.txt

• 安装ESPnet。

  1. 安装好相应的cann包、pytorch和apex包，并设置好pytorch运行的环境变量；

  2. 基于espnet官方的安装说明进行安装： Installation — ESPnet 202205 documentation

     安装过程比较复杂，需注意以下几点：

     • 安装依赖的软件包时，当前模型可以只安装cmake/sox/sndfile ；

     • 安装kaldi时，当前模型调测选择了OpenBLAS作为BLAS库，在compile kaldi & install阶段，使用如下命令安装：

       $ cd /src
       $ ./configure --openblas-root=../tools/OpenBLAS/install --use-cuda=no
       $ make -j clean depend; make -j 

     • 安装espnet时，步骤1中的git clone ESPnet代码替换为下载本modelzoo中ESPnet的代码；步骤3中设置python环境，若当前已有可用的python环境，可以选择D选项执行；步骤4中进入tools目录后，直接使用make命令进行安装，不需要指定PyTorch版本;

     • custom tool installation这一步可以选择不安装。最后通过check installation步骤检查安装结果；

  3. 运行模型前，还需安装：

  • boost: ubuntu上可使用 apt install libboost-all-dev命令安装，其它系统请选择合适命令安装；
  • kenlm：进入/tools目录，执行make kenlm.done 。

准备数据集

1. 获取数据集。

   用户自行下载 aishell-1 数据集，并将下载好的数据集放置服务器的任意目录下。该数据集包含由 400 位说话人录制的超过 170 小时的语音。数据集目录结构参考如下所示。

    aishell-1
       ├── data_aishell.tgz
       |
       └── resource_aishell.tgz

   说明： 该数据集的训练过程脚本只作为一种参考示例。

开始训练

训练模型

1. 进入解压后的源码包根目录。

   cd /${模型文件夹名称} 

2. 运行训练脚本。

   该模型支持单机单卡训练和单机8卡训练。

   • 单机单卡训练

     启动单卡训练。

     bash ./test/train_full_1p.sh --stage=起始stage --data_path=/data/xxx/  # 单卡精度
     bash ./test/train_performance_1p.sh --data_path=/data/xxx/  # 单卡性能

   • 单机8卡训练

     启动8卡训练。

     bash ./test/train_full_8p.sh --stage=起始stage --data_path=/data/xxx/  # 8卡精度
     bash ./test/train_performance_8p.sh --data_path=/data/xxx/  # 8卡性能

   --data_path参数填写数据集路径，需写到数据集的一级目录。

   模型训练脚本参数说明如下。

   --stage              //模型训练的起始阶段，默认为-1，即从数据下载开始启动训练。若之前数据下载、准备、特征生成等阶段已完成，可配置--stage=3开始训练。
   --stop_stage         //模型训练的终止阶段
   --data               //数据集路径
   --ngpu               //训练设备卡数量
   --test_output_dir    //输出路径

   说明： --stage <-1 ~ 5>、--stop_stage <-1 ~ 5>：控制模型训练的起始、终止阶段。模型包含 -1 ~ 5 训练阶段，其中 -1 ~ 2 为数据下载、准备、特征生成等阶段，3为LM训练，4为ASR训练，5为decoding。首次运行时请从 -1 开始，-1 ~ 2 阶段执行过一次之后，后续可以从stage 3 开始训练。LM和ASR是在NPU上运行的，其余都在CPU上运行。

   训练完成后，权重文件保存在当前路径下，并输出模型训练精度和性能信息。

训练结果展示

表 2 训练结果展示表

NAME	Error	FPS(iters/sec)	Epochs	AMP_Type	Torch_Version
1p-竞品V	-	-	-	-	1.5
8p-竞品V	-	-	-	-	1.5
1p-NPU	-	-	-	-	1.8
8p-NPU	-	-	-	-	1.8

版本说明

变更

2022.08.17：首次发布。

FAQ

Q：arm环境上运行时遇到加载so报错，ImportError: /.../scikit_learn.libs/libgomp-d22c30c5.so.1.0.0: cannot allocate memory in static TLS block。

A: 可以通过加载环境变量 LD_PRELOAD 解决：

export LD_PRELOAD=/.../scikit_learn.libs/libgomp-d22c30c5.so.1.0.0

公网地址说明

代码涉及公网地址参考 public_address_statement.md