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 -

PyTorch 1.11 -
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，安装模型需要的依赖。
```
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；
- 跳过安装kaldi；
- 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2跳过；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，需要增加installers文件夹的执行权限chmod +x -R installers/，然后直接使用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。check installation步骤在make时已执行，可跳过；
1. 运行模型前，还需安装：
- boost: ubuntu上可使用 apt install libboost-all-dev命令安装，centos上使用 yum install boost-devel 命令安装。
- kenlm：进入/tools目录，执行make kenlm.done
1. 更新软连接：
```
cd /egs2/aishell/asr1
rm -f asr.sh db.sh path.sh pyscripts scripts utils steps local/download_and_untar.sh
ln -s ../../TEMPLATE/asr1/asr.sh asr.sh
ln -s ../../TEMPLATE/asr1/db.sh db.sh
ln -s ../../TEMPLATE/asr1/path.sh path.sh
ln -s ../../TEMPLATE/asr1/pyscripts pyscripts
ln -s ../../TEMPLATE/asr1/scripts scripts
ln -s ../../../tools/kaldi/egs/wsj/s5/utils utils
ln -s ../../../tools/kaldi/egs/wsj/s5/steps steps
ln -s ../../../../egs/aishell/asr1/local/download_and_untar.sh local/download_and_untar.sh
```
2. 增加执行权限：
```
chmod +x -R ../../TEMPLATE/asr1
chmod +x ../../../egs/aishell/asr1/local/download_and_untar.sh
chmod +x -R local
chmod +x run.sh
```

Torch_Version	三方库依赖版本
PyTorch 1.5	-
PyTorch 1.8	-
PyTorch 1.11	-

准备数据集

获取数据集。

本次训练采用aishell-1数据集，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。
```
/downloads
       ├── data_aishell
       ├── data_aishell.tgz
       ├── resource_aishell
       └── 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。

启动训练脚本stage 1 时自行下载并解压数据，下载时间较长，请耐心等待。如果本地已有aishell数据集，可通过如下软连接命令进行指定。

ln -s ${本地aishell数据集文件夹}/ downloads

开始训练

训练模型

进入解压后的源码包根目录。
```
cd /${模型文件夹名称} 
```

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  # 单卡精度

bash ./test/train_performance_1p.sh --stage=起始stage  # 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  # 8卡精度

bash ./test/train_performance_8p.sh --stage=起始stage  # 8卡性能

--fp32开启FP32模式

启动训练后，日志输出路径为：/egs2/aishell/asr1/nohup.out ，该日志中会打印二级日志（各个stage日志）的相对路径。如：stage 11 的日志路径为：“exp/asr_train_asr_conformer_raw_zh_char_sp/train.log”

模型训练脚本参数说明如下。

--stage   # 可选参数，默认为1，可选范围为：1~16。后续stage依赖前序stage，首次训练需从stage1开始。 
# stage 1 ~ stage 5 数据集下载与准备
# stage 6 ~ stage 9 语言模型训练
# stage 10 ~ stage 11 ASR模型训练
# stage 12 ~ stage 13 在线推理及精度统计
# stage 14 ~ stage 16 模型打包及上传

训练结果展示

表 2 训练结果展示表

NAME	精度模式	CER	FPS	Epochs	Torch_version
1p-竞品	混合精度	-	196.86	1	-
8p-竞品	混合精度	95.4	398.8	50	-
1p-NPU(非ARM)	混合精度	-	101.04	1	1.8
8p-NPU(非arm)	混合精度	95.5	399.7	50	1.8
8p-NPU(ARM)	混合精度	95.4	540	50	1.8
8p-NPU(ARM)	FP32	95.4	670	50	1.8

版本说明

变更

2023.03.13：更新readme，重新发布。

2022.08.17：首次发布。

FAQ

无。

公网地址说明

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

Conformer-推理指导

概述
推理环境准备
快速上手
模型推理性能&精度

概述

Conformer是将CNN用于增强Transformer来做ASR的结构

版本说明：

url=https://github.com/espnet/espnet_onnx
commit_id=18eb341
model_name=Conformer

推理环境准备

该模型需要以下插件与驱动
表 1 版本配套表

配套	版本	环境准备指导
固件与驱动	22.0.3	Pytorch框架推理环境准备
CANN	6.0.0	-
Python	3.7.5	-
PyTorch	1.13.0	-
说明：Atlas 300I Duo 推理卡请以CANN版本选择实际固件与驱动版本。	\	\

快速上手

可参考实现https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/ACL_PyTorch/built-in/audio/Conformer_for_Pytorch

获取源码

获取Pytorch源码

git clone https://github.com/espnet/espnet_onnx.git
cd espnet_onnx
git reset --hard 18eb341

安装依赖
```
pip3 install -r requirements.txt
```
安装ais-bench/auto-optimizer

参考ais-bench/auto-optimizer安装。

获取OM推理代码

目录结构如下：

├──Conformer_for_Pytorch
   ├── pth2onnx.py
   ├── modify_onnx_lm.py
   ├── modify_onnx_decoder.py
   ├── graph_fusion.py
   ├── export_acc.patch
   ├── espnet_onnx
   ├── ...

准备数据集

该模型使用AISHELL数据集进行精度评估，下载aishell数据集

模型推理

1 模型转换

将模型权重文件.pth转换为.onnx文件，再使用ATC工具将.onnx文件转为离线推理模型.om文件。

获取权重文件
下载权重放在Conformer_for_Pytorch目录下。权重链接：https://github.com/espnet/espnet/tree/master/egs2/aishell/asr1

指定参数为：Conformer + specaug + speed perturbation: feats=raw, n_fft=512, hop_length=128

点击With Transformer LM中的Model link链接下载asr_train_asr_conformer3_raw_char_batch_bins4000000_accum_grad4_sp_valid.acc.ave.zip文件，将该文件和pth2onnx.py文件置于同一目录下

导出ONNX模型

cd espnet_onnx
patch -p1 < ../export_acc.patch
cp ../multi_batch_beam_search.py espnet_onnx/asr/beam_search
cp ../asr_npu_adapter.py espnet_onnx/asr
cp ../npu_model_adapter.py espnet_onnx/asr
pip3 install .  #安装espnet_onnx
cd ..

配置环境变量

source /usr/local/Ascend/ascend-toolkit/set_env.sh

说明：
该脚本中环境变量仅供参考，请以实际安装环境配置环境变量。详细介绍请参见《CANN 开发辅助工具指南 (推理)》。

运行pth2onnx.py导出ONNX模型。

python3 pth2onnx.py

导出的onnx文件正常在/root/.cache/espnet_onnx/asr_train_asr_qkv/full目录下，在/root/.cache/espnet_onnx/asr_train_asr_qkv目录下则有配置文件config.yaml配置文件以及feats_stats.npz文件

修改导出的onnx模型，修改xformer_decoder.onnx文件以及transformer_lm.onnx文件，原因是两模型中存在Gather算子indices为-1的场景，当前CANN还不支持该场景，有精度问题，并且可以优化部分性能。

python3 modify_onnx_decoder.py /root/.cache/espnet_onnx/asr_train_asr_qkv/full/xformer_decoder.onnx \
/root/.cache/espnet_onnx/asr_train_asr_qkv/full/xformer_decoder_revise.onnx
python3 modify_onnx_lm.py /root/.cache/espnet_onnx/asr_train_asr_qkv/full/transformer_lm.onnx \
/root/.cache/espnet_onnx/asr_train_asr_qkv/full/transformer_lm_revise.onnx
python3 modify_onnx_ctc.py /root/.cache/espnet_onnx/asr_train_asr_qkv/full/ctc.onnx \
/root/.cache/espnet_onnx/asr_train_asr_qkv/full/ctc_dynamic.onnx
python3 modify_onnx_encoder.py /root/.cache/espnet_onnx/asr_train_asr_qkv/full/xformer_encoder.onnx \
/root/.cache/espnet_onnx/asr_train_asr_qkv/full/xformer_encoder_multibatch.onnx 4

使用ATC工具将ONNX模型转为OM模型

3.1 执行命令查看芯片名称（得到atc命令参数中soc_version）

npu-smi info
#该设备芯片名为Ascend910A （自行替换）
回显如下：
+-------------------|-----------------|------------------------------------------------------+
| NPU     Name      | Health          | Power(W)     Temp(C)           Hugepages-Usage(page) |
| Chip    Device    | Bus-Id          | AICore(%)    Memory-Usage(MB)                        |
+===================+=================+======================================================+
| 0       910A     | OK              | 15.8         42                0    / 0              |
| 0       0         | 0000:82:00.0    | 0            1074 / 21534                            |
+===================+=================+======================================================+
| 1       910A     | OK              | 15.4         43                0    / 0              |
| 0       1         | 0000:89:00.0    | 0            1070 / 21534                            |
+===================+=================+======================================================+

3.2 执行ATC命令

将xformer_encoder.sh，xformer_decoder.sh，transformer_lm.sh，ctc.sh放置到/root/.cache/espnet_onnx/asr_train_asr_qkv/full目录下，运行xformer_encoder.sh导出encoderOM模型，默认保存在当前文件夹下，其他模型类似。

 bash xformer_encoder.sh Ascend910A
 bash xformer_decoder.sh Ascend910A
 bash transformer_lm.sh Ascend910A
 bash ctc.sh Ascend910A

2 开始推理验证

修改配置参数

修改/root/.cache/espnet_onnx/asr_train_asr_qkv/目录下config配置文件参数，给每个模型增加input_size,output_size参数以及修改对应的weight参数中的ctc, decoder, lm，给出样例如下

项	子项	路径或值
encoder	model_path	/root/.cache/espnet_onnx/asr_train_asr_qkv/full/xformer_encoder_rank.om
	output_size	5000000
decoder	model_path	/root/.cache/espnet_onnx/asr_train_asr_qkv/full/xformer_decoder_{os}_{arch}.om
	output_size	5000000
ctc	model_path	/root/.cache/espnet_onnx/asr_train_asr_qkv/full/ctc_{os}_{arch}.om
	output_size	100000000
lm	model_path	/root/.cache/espnet_onnx/asr_train_asr_qkv/full/transformer_lm_{os}_{arch}.om
	output_size	5000000
beam_search	beam_size	2
weights	ctc	0.3
	decoder	0.7
	lm	0.3

说明：{os}{arch}为对应系统/架构名，如：{linux}{aarch64}

执行推理 & 精度验证运行om_val.py推理OM模型，生成的结果txt文件在当前文件夹下。

# 生成的om.txt可以跟标杆对比即可:
python3 om_val.py --dataset_path ${dataset_path}/wav/test --model_path /root/.cache/espnet_onnx/asr_train_asr_qkv

# text是标杆文件: 默认打印error值，最终精度取ACC值：100%-error
python3 compute-wer.py --char=1 --v=1 text om.txt

性能验证

打印终端的时间即为数据集上的端到端推理耗时

模型推理性能&精度:

调用ACL接口推理计算，性能&精度参考下列数据: 备注说明：
1. NPU推理采用多进程推理方案，依赖CPU性能，参考机器：96核CPU(aarch64)/CPU max MHZ: 2600/251G内存/NPU310P3
2. 性能以最终total的端到端性能为准
| 芯片型号 | 配置 | 数据集 | 精度(overall) | 性能(fps) | | :-----------: | :------------------------------------: | :-------: | :-------------: | | GPU | encoder/decoder/ctc/lm(beam_size=20) | aishell | 95.27% | | GPU | encoder/decoder/ctc/lm(beam_size=2) | aishell | 95.08% | | Ascend910A | encoder/decoder/ctc/lm(default) | aishell | 95.02% |

使用模型资源和服务前，请您仔细阅读并理解透彻《昇腾深度学习模型许可协议 3.0》

该页面对您有帮助吗？

我要评分

ESPnet2-PyTorch

概述

准备训练环境

准备环境

准备数据集

开始训练

训练模型

训练结果展示

版本说明

变更

FAQ

公网地址说明

Conformer-推理指导

概述

推理环境准备

快速上手

获取源码

准备数据集

模型推理

1 模型转换

2 开始推理验证

关于昇腾

新闻与活动

交流与资讯

支持与服务

开源社区

About Ascend

Communication and Information

Links