JuneJ
> 试了DP和DDP,包装loss和不包装loss都没有达到加速的效果呢。
> 可以分享一下你的代码和测试结果吗？我觉得DP和DDP是可以加速的 现在可以加速了，但是eer变大了2个点。现在eer = 4左右。 lfcc_model = ResNet(3, args.enc_dim, resnet_type='18', nclasses=2) lfcc_model = torch.nn.SyncBatchNorm.convert_sync_batchnorm(lfcc_model) lfcc_model = DDP(lfcc_model.cuda(args.local_rank),device_ids=[args.local_rank], find_unused_parameters=True) if args.add_loss == "ocsoftmax": ocsoftmax = OCSoftmax(args.enc_dim, r_real=args.r_real, r_fake=args.r_fake, alpha=args.alpha) ocsoftmax =...
声纹模型的输入输出维度是多大呢
> 抱歉这个没有测试过...一般来说是10%左右的差距 请问大佬可以开源AS-norm的相关代码吗？
> 请问解决这个问题了吗？
> * 暂定中文特化版代号为： ZH_Clap > * 本地测试通过，下一个版本需要更新gradio推理UI Zh clap Extra:中文特化版本 模型在哪里可以下载呢？
> Has anyone implemented as-norm? Can you share it with me? thank you very much！！ Hi，do you try the AS-norm? and how about the performance ?
> > > 有没有人按照规范实施？你能和我分享吗？非常感谢您！！ > > > > > > 你好，你试过AS-norm吗？表现如何？ > > I'd love to try, but I don't know how to add this part. I do it ,but...
> 我看源代码中每一个样本是有两个embedding的，维度分别为（1，192）和（5，192），as_norm中只有一个，请问代表的是哪一个呢？是否考虑在as_norm中每个样本也加入两个embedding做规整然后求均值呢？
请问这里的N是用的训练全集吗？另外topk是多少呢？N我用10000，topk用300或者3000，EER都达到了40%多.......