Single-Pass and Two-Model Retraining

Sing-Pass Retraining

1.A feature->B features   MFCC_E_D->MFCC_E_D_Z

2.wide-band-->narrow-ban  eg：16k->8k

 

命令行： HERest -r -C config -S trainList -I labs -H dir1/MMF -M dir2 hmmList

               1. config

                    HFWDBKWD: PRUNEINIT = 250.0
                    HFWDBKWD: PRUNEINC = 250.0
                    HFWDBKWD: PRUNELIM = 1000.1
                    HFWDBKWD: MINFORPROB = 20.0
                    HFB: TRACE = 1
                    MAXTRYOPEN = 3

                    HPARM1: TARGETKIND = MFCC_E_D
                    HPARM2: TARGETKIND = MFCC_E_D_Z

               2.config

                    HFWDBKWD: PRUNEINIT = 250.0
                    HFWDBKWD: PRUNEINC = 250.0
                    HFWDBKWD: PRUNELIM = 1000.1
                    HFWDBKWD: MINFORPROB = 20.0
                    HFB: TRACE = 1
                    MAXTRYOPEN = 3

                    HPARM1: TARGETKIND = MFCC_E_D
                    HPARM2: TARGETKIND = MFCC_E_D

                 

               3. trainList：两列。第一列为原始模型的特征列表，第二列为需要更新模型的特征列表，一一对应，也就是说single-pass的两个模型的 训练数据相同.另外两个模型的 gauss数和state数也一致

               

               4. 注意：HTEfile中末尾需添加set HESPR，这样命令行才会有-r(singal-pass 触发)

Two-Model Retraining

1. one model->another model

命令行： HERest -C config -S trainlist -I labs -H dir1/MMF -M dir3 hmmlist1

           1. config

           HPARM: TARGETKIND = MFCC_E_D_Z
           HFWDBKWD: PRUNEINIT = 250.0
           HFWDBKWD: PRUNEINC = 250.0
           HFWDBKWD: PRUNELIM = 1000.1
           HFWDBKWD: MINFORPROB = 20.0
           HFB: TRACE = 1
           MAXTRYOPEN = 3
          ALIGNMODELMMF = model1/MMF
          ALIGNHMMLIST  = model1/tri.xwrd.cluster.list

       其中：model1是已经训练好的较好的模型

                 dir1/MMF：需要更新的初始模型

                 dir3：更新后的模型

                 dir3/MMF与dir1/MMF gauss数和state保持一致

        注意：做two-model之前需要去除dir1/MMF中的varFloor1对应项，更新后的模型在添上该项