【项目实战】AUTOVC 代码解析 —— main.py

AUTOVC 代码解析 —— main.py

  简介

       本项目一个基于 AUTOVC 模型的语音转换项目，它是使用 PyTorch 实现的(项目地址)。
       
        AUTOVC 遵循自动编码器框架，只对自动编码器损耗进行训练，但它引入了精心调整的降维和时间下采样来约束信息流，这个简单的方案带来了显著的性能提高。(详情请参阅 AUTOVC 的详细介绍)。
       
       由于 AUTOVC 项目较大，代码较多。为了方便学习与整理，将按照工程文件的结构依次介绍。
       
       本文将介绍项目中的 main.py 文件：网络训练主函数
       

  函数解析

    str2bool

          该函数的作用是： 将字符串形式的 ‘True’ 与 ‘False’ 转换为布尔型的 True 与 False 。

          输入参数：

		v	:	需要改变类型的字符

          输出参数：

		v.lower() in ('true')	:	True 或 False

          代码详解：

		def str2bool(v):
		    # 将字符串中的字符全部小写
		    # 判断转换后的字符是否为字符串 'true' 的子串，并返回
		    return v.lower() in ('true')

    main

          该函数的作用是： 加载数据，配置网络模型，训练模型

          输入参数：

		config		:	网路模型配置

          输出参数： 无

          代码详解：

		def main(config):
		    # 快速训练
		    # 如果网络的输入数据维度或类型上变化不大，设置 torch.backends.cudnn.benchmark = true 可以增加运行效率
		    cudnn.benchmark = True
		
		    # 数据迭代器
		    vcc_loader = get_loader(config.data_dir, config.batch_size, config.len_crop)
		    
		    # 构建网络模型
		    solver = Solver(vcc_loader, config)
		
		    # 训练网络模型
		    solver.train()

    if __ name __ == ‘__ main __’:

          该函数的作用是： 处理参数，组合成网络配置参数，调用主函数训练网络

          输入参数： 无

          输出参数： 无

          代码详解：

		if __name__ == '__main__':
		    # 创建解析器
		    parser = argparse.ArgumentParser()
		
		    #模型配置
		    parser.add_argument('--lambda_cd', type=float, default=1, help='隐藏编码损失的权重')
		    # 内容编码长度
		    parser.add_argument('--dim_neck', type=int, default=16)
		    # 说话人编码长度
		    parser.add_argument('--dim_emb', type=int, default=256)
		    # 后置网络输出长度
		    parser.add_argument('--dim_pre', type=int, default=512)
		    # 时间采样系数
		    parser.add_argument('--freq', type=int, default=16)
		    
		    # 训练配置
		    # 说话文件--梅尔数据文件目录
		    parser.add_argument('--data_dir', type=str, default='./spmel')
		    # 批大小
		    parser.add_argument('--batch_size', type=int, default=2, help='mini-batch size')
		    # 训练次数
		    parser.add_argument('--num_iters', type=int, default=1000000, help='number of total iterations')
		    # 截取长度
		    parser.add_argument('--len_crop', type=int, default=128, help='dataloader output sequence length')
		    
		    # 杂项
		    # 日志打印间隔
		    parser.add_argument('--log_step', type=int, default=10)
		
		    # 将上述配置组装为网络模型配置
		    config = parser.parse_args()
		    # 打印网络模型配置
		    print(config)
		    # 调用主函数，准备训练
		    main(config)