Open songfuture opened 3 months ago
首先非常感谢这么优秀的开源项目。 使用在线训练脚本subtools/pytorch/lanucher/*_online.py训练时，报出标签越界问题。 经排查产生该问题的原因如下： subtools/pytorch/pipeline/preprocess_wav_egs.sh中调用的subtools/pytorch/pipeline/onestep/get_raw_wav_chunk.py中的get_chunk_egs函数是先对整个dataset生成utt2spk_int文件（dataset.generate("utt2spk_int") ），然后划分trainset, valid集合（trainset, valid = dataset.split(args.valid_num_utts, args.valid_split_type)）。当某个说话人仅有1条utt且runEcapaXvector_online.py中limit_utts=1时，说话人可能就被全部划分进valid集合，从而导致train的实际人数减少，但标签最大值仍为整个数据集的最大值。
首先非常感谢这么优秀的开源项目。 使用在线训练脚本subtools/pytorch/lanucher/*_online.py训练时，报出标签越界问题。 经排查产生该问题的原因如下： subtools/pytorch/pipeline/preprocess_wav_egs.sh中调用的subtools/pytorch/pipeline/onestep/get_raw_wav_chunk.py中的get_chunk_egs函数是先对整个dataset生成utt2spk_int文件（dataset.generate("utt2spk_int") ），然后划分trainset, valid集合（trainset, valid = dataset.split(args.valid_num_utts, args.valid_split_type)）。当某个说话人仅有1条utt且runEcapaXvector_online.py中limit_utts=1时，说话人可能就被全部划分进valid集合，从而导致train的实际人数减少，但标签最大值仍为整个数据集的最大值。