CTC eesen 源代码阅读

CTC eesen 源代码阅读

• train-ctc-parallel.sh:用于训练CTC
  train-ctc-parallel：
  essen的ctc多句并行训练脚本
  并行设置：
  num_sequence = 5
  1.打乱训练的数据的顺序
  获得训练数据特征的长度输入到len.tmp文件并将其与原始feats.scp合并排序，并且每条训练数据的长度需要大于0。

feat-to-len scp:$data_tr/feats.scp ark,t:- | awk '{print $2}' > $dir/len.tmp
paste -d “ ” $data_tr/feats.scp $dir/len.tmp | sort -k3 -n - | awk -v m=$min_len '{if （$3 >=m）{print $1 “ ” $2}}' > $dir/train.scp || exit 1;

2.feature_rspecifer与targets_respecifer
对特征进行cmvn后做差分（add-deltas）

3.analyze-counts：

gunzip -c $dir/labels.tr.gz | awk '{line=$0;gsub(" "," 0 ",line);print line "  0";}' |\
   analyze-counts --verbose=1 --binary=false ark:- $dir/label.counts >& dir/log/compute_label_counts.log || exit 1;

show phone counts 用于计算label的先验概率
verbose：设置为1显示label的出现频率与柱状图
4.训练中的退火处理：

if [ 1 ==  $halving]; then
  learn_rate=$(awk "BEGIN{print($learn_rate*$halving_factor)}")
fi