关于分类和验证的问题

[Fansgithub2019]

感谢您分享这么优秀的代码，想请教您的是预训练接了softmax层能够进行说话人的分类，没有Triplet Loss，train.py训练出来的模型只能用于说话人验证吗？如果我想用train.py训练带Triplet Loss，并且能够进行说话人分类，是不是在train.py中用Dense定义一层softmax接上，但是model.compile()编译的Triplet Loss没有参数保存，无法保存在h5模型里是么？ 期待您的解答。

[Walleclipse]

你好，

1. train.py训练出来的模型主要用于说话人验证，因为该问题就是训练集的人和测试集的人是不一样的，无法识别，有关用途可以查看 issue21.
2. 说话人分类要求测试集中的人必须在训练集中出现过，不然无法分类。直接通过 pretraining.py 跑出来的模型就是说话人分类的模型，你可以直接用这个进行说话人分类。你想进行说话人分类就不能用Triplet Loss，需要用 categorical_crossentropy。
3. model.compile()编译的Triplet Loss没有参数保存，无法保存在h5模型？这一点我没有太理解。一般情况下loss是不需要保存在h5模里的，每次运行重新加载。

[LittleMaWen]

您好，您的意思是分类和验证使用的是不同的模型么？ train.py训练，test_model.py测试得到的是说话人验证，验证所使用的训练集和测试集是完全不同的人。 如果先使用pretraining.py预训练了，再进行train.py, test_model.py就是说话人分类，要求训练集和测试集有所重叠？

[Fansgithub2019]

你好，

1. train.py训练出来的模型主要用于说话人验证，因为该问题就是训练集的人和测试集的人是不一样的，无法识别，有关用途可以查看 issue21.
2. 说话人分类要求测试集中的人必须在训练集中出现过，不然无法分类。直接通过 pretraining.py 跑出来的模型就是说话人分类的模型，你可以直接用这个进行说话人分类。你想进行说话人分类就不能用Triplet Loss，需要用 categorical_crossentropy。
3. model.compile()编译的Triplet Loss没有参数保存，无法保存在h5模型？这一点我没有太理解。一般情况下loss是不需要保存在h5模里的，每次运行重新加载。

感谢您的答复，说话人分类和说话人验证是两个不同的模型， 测试时一个运用损失，另一个通过打分，有着不同的目的，但是两者训练好的模型不能直接互用？ 还有一点疑惑的是在test_model.py的代码里 第127行 embed = model.predict_onbatch(x) 在if gru_model is not None:下面是用来获取gru_model对数据的嵌入的吧，这个model是不是用的gru_model？

[ZengHorace]

您好，您的意思是分类和验证使用的是不同的模型么？ train.py训练，test_model.py测试得到的是说话人验证，验证所使用的训练集和测试集是完全不同的人。 如果先使用pretraining.py预训练了，再进行train.py, test_model.py就是说话人分类，要求训练集和测试集有所重叠？

pretraining.py得到的是分类模型：将说话者分类为特定身份；train.py得到的是验证模型：即确定一对话语是否属于同一个人

[Walleclipse]

您好，您的意思是分类和验证使用的是不同的模型么？ train.py训练，test_model.py测试得到的是说话人验证，验证所使用的训练集和测试集是完全不同的人。 如果先使用pretraining.py预训练了，再进行train.py, test_model.py就是说话人分类，要求训练集和测试集有所重叠？

1. 分类和验证所使用的模型的前面embedding部分是一样的，只是分类模型多出来了最后的分类层。
2. pretraining.py 所使用的训练集和测试集的说话者重叠，不然无法分类。而真正的 train.py训练，test_model.py测试的数据是 不能有 训练集和测试集的说话者重叠 的。 所以你实际上用的时候 把数据分层两部分 第一部分是 train.py训练用的，第二部分是test_model.py测试用的。然后在 pretraining.py 的时候 再从 第一部分训练集中抽出一点当测试就行了。

[Walleclipse]

感谢您的答复，说话人分类和说话人验证是两个不同的模型， 测试时一个运用损失，另一个通过打分，有着不同的目的，但是两者训练好的模型不能直接互用？ 还有一点疑惑的是在test_model.py的代码里 第127行 embed = model.predict_onbatch(x) 在if gru_model is not None:下面是用来获取gru_model对数据的嵌入的吧，这个model是不是用的gru_model？

1. 不能说是两个不同的模型. 应该说是 说话人分类的模型 = 说话人验证的模型 + 分类层。 所以两者是相关的。两者目的不一样，不能直接互用。但是可以稍微改一下互用，也就是从 说话人分类的模型去掉最后一个 分类层 就是说话人验证的模型。
2. gru_model在 constants.py 里设置 True或者 False。如果是 True就利用 gru模型进行语音的嵌入(embedding)， 也就是说用于说话人识别。

[yy835055664]

非常感谢你，分享这么好的代码： 有如下几个问题想问你一下 1.预训练大致需要训练多少steps? 2.预训练是把训练数据中每个说话人分成两部分，一部分进行pretrain.py，另一部分用于test_model.py，这样就可以进行分类了吧？

[Walleclipse]

你好，

1. 我在预训练的时候 大概运行了 80000 steps
2. 这个repo的预训练只是 softmax 分类问题， 如 pretraining.py所示。 而softmax 分类的时候，大部train set里的数据用于训练，少部分train set 数据用于验证这个softmax 分类模型。 预训练结束后，我会用完整的train set 用triplet loss 训练（如 train.py所示），validation set 同于验证。

[yy835055664]

测试时用的是model***.h5文件，请问bestmodel.h5文件是什么？不能用这个文件进行测试吗？------------------ 原始邮件 ------------------ 发件人: "Abuduweili"notifications@github.com 发送时间: 2020年4月27日(星期一) 上午10:17 收件人: "Walleclipse/Deep_Speaker-speaker_recognition_system"Deep_Speaker-speaker_recognition_system@noreply.github.com; 抄送: "yy835055664"835055664@qq.com;"Comment"comment@noreply.github.com; 主题: Re: [Walleclipse/Deep_Speaker-speaker_recognition_system] 关于分类和验证的问题 (#55)

你好，

我在预训练的时候 大概运行了 80000 steps

这个repo的预训练只是 softmax 分类问题， 如 pretraining.py 所示。 而softmax 分类的时候，大部train set里的数据用于训练，少部分train set 数据用于验证这个softmax 分类模型。 预训练结束后，我会用完整的train set 用triplet loss 训练（如 train.py 所示），validation set 同于验证。

— You are receiving this because you commented. Reply to this email directly, view it on GitHub, or unsubscribe.

[Walleclipse]

你好，可以用 checkpoints/model_17200_0.54980.h5 进行测试。 bestmodel.h5 是我自己训练的时候的一个模型，这个并没有上传到该repo上。