本文以Aishell数据集的训练为例:
具体关联文件在wenet的框架里面 wenet/exsample/aishell/s0/run.sh脚本:
我们在首次训练模型时,并没有checkpoint点(因为还没训练过,怎么接着训练?)
checkpoint:用于描述在每次训练后保存模型参数(权重)的惯例或术语。这就像在游戏中保存关卡时你可以随时通过加载保存文件回复游戏。你可以加载保存的模型权重重新开启训练甚至可以之后进行一个推理。
当需要进行题目所示的操作的话需要将第一个箭头处的"checkpoint=" 后面加上你要重新开始训练的final.pt文件路径(并将此文件重新命名为init.pt)
train_config=conf/train_conformer.yaml # 1.此处需要改变你的预训练模型里的yaml文件
cmvn=false
dir=exp/conformer
checkpoint=$dir/init.pt # 2.注意此处其实是你的之前的训练出的final文件(或者预训练模型的final.pt文件)并改名为init.pt的路径
# use average_checkpoint will get better result
average_checkpoint=false # 3.此处改为false,不进行average_checkpoint?还没看懂
decode_checkpoint=$dir/final.pt # 此处是解码过程stage5才会用到,不影响训练,不需要改变
具体如何进行设置可以参看上述代码的1-2-3部操作!
可以看到在此处(stage4的执行代码)会将checkpoint路径加入执行参数中去!
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)