DPRNN网络结构

下为DPRNN的网络结构，随手画的，错了请提醒。
网络分为编码、分离、解码
该网络能够在语音分离中的数据集wsj0-2mix 达到SI-SNR提升18.8db的效果。
该网络数据读取时为两个32000长度的音频片段，一个为音频开头，一个为音频结尾；在训练时随机选一个放入网络

1. sorted( infos, key=lambda info: int(info[1]), reverse=True)进行排序，reverse代表降序，key代表是按info[1]的维度.
2. break 是中断该次小循环的这一次循环，如果该小循环由其他包含它的循环重启，则小循环继续。
3. • xs[0]，在形状中指xs的维度，如xs.size()=[16,64,2,32000],则* xs[0]代表[,64,2,32000]的形状，x[0].new(1,1,* xs[0])则为[1,1,16,64,2,32000]而与x无关，应该和x的类型有关。
4. LSTM双向则输入层加倍，因为双向LSTM的输出也为双倍
5. getattr获得属性值
6. bf_filter = self.output(output) * self.output_gate(output)这种滤波器不太懂,我觉得像一个全权重的注意力机制.
7. permutations(range(C)返回可迭代对象的所有数学全排列
8. 该网络使用-SI-SNR作为损失函数
9. json.dump(file_infos, f, indent=4)将python中的对象转化成json储存到文件中，indent写入的文本的缩进
10. torch.nn.utils.clip_grad_norm_(self.model.parameters(), self.max_norm)对于存在梯度爆炸的情况， 在优化器函数之前执行这个函数，可以重新整合一遍梯度梯度缩小到指定范围
11. result.index_add_(-2, frame, subframe_signal)按第-2维度，将result和subframe_signal相加，即先按dim和 frame将subframe_signal重新排列，frame有重复的维度则subframe_signal对该维度数据也重复相加，最后与result相加。如下代码，x[:,1]=t[:,0]+t[:,4]

x = torch.tensor([[1, 2, 32000, 1],[1,2,5,8]])
t = torch.tensor([[1, 1, 5, 8,2], [1,1,2,5,1]])
index = torch.tensor([1, 0,2,3,1])
x.index_add_(1, index, t)
print(x.size())
print(x)

torch.Size([2, 4])
tensor([[    2,     5, 32005,     9],
        [    2,     4,     7,    13]])