songdaw
songdaw
训练时是已知数据，可以设置stateful=false，timestep=10s数据一次性输入。 推理时设置stateful=true，一帧帧输入，实测没有问题，量化后误差不大。
Sorry, I can't find how to use Sigmoid layer, but tf.keras.activations.sigmoid() which produce Lambda layer. Did I miss something? I use keras=2.6.0.
sigmoid is already implemented, try replace act_hard_sigmoid() with act_sigmoid(). ---- Replied Message ---- | From | Jon ***@***.***> | | Date | 03/30/2024 11:20 | | To | ***@***.***> |...
实测ERB频带处理对信号有影响，但在可接受范围内。模型主要问题还是可能参数太小，SNR低的时候过度抑制的厉害，是否有什么好的办法？ 另外，我看输出CRM的虚部mask值都很小，贡献不大，尝试把输出虚部mask置0对结果几乎没影响，请问是否对比过仅实部mask的指标差异？
> > 分组GRU部分和双向GRU耗时大，需要减小一个，并且改成单向GRU，重新训练模型，推理耗时才会降下来。 > > 事实上ConvTranspose在我这里耗时是最大的。不知道有什么方法可以进一步优化。 我也是直接实现的ConvTranspose很慢，改成插值+Conv实现后效率高不少。
ConvTranspose和插值+Conv是等价操作，结果是一样的，当然需要Conv本身优化好的情况下才有效果，具体可以看看文章"A guide to convolution arithmetic for deep learning"
Keras 2.6.0 works fine for me, I think what we really need is the model weights. So, I use Pytorch to debug and train the model, then transfer model weights...