kaldi训练aishell模型时遇到run.pl:job failed, log is in exp/nnet3/tdnn_sp/log/train.13.2.log

最新推荐文章于 2023-05-07 15:43:02 发布
最新推荐文章于 2023-05-07 15:43:02 发布
阅读量3.2k 收藏 9
点赞数 1
分类专栏： code问题记录
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_40212975/article/details/105485313
版权
在kaldi训练aishell模型过程中遇到run.pl报错，日志显示在exp/nnet3/tdnn_sp/log/train.13.2.log。解决方案包括修改local/nnet3/run_tdnn.sh的num_jobs_final和num_jobs_initial为1，调整local/nnet3/run_ivector_common.sh中的参数，并根据错误定位进行修正，无需完全重新训练。
摘要由CSDN通过智能技术生成
一、错误显示

kaldi训练aishell模型时遇到run.pl:job failed, log is in exp/nnet3/tdnn_sp/log/train.13.2.log,如下图所示：
在这里插入图片描述
打开日志文件exp/nnet3/tdnn_sp/log/train.13.2.log，如下图：

在这里插入图片描述
即：

Failed to write matrix to stream

error closing output file standard output
二、解决方案如下：
  • step 1:
    把local/nnet3/run_tdnn.sh 的num_jobs_final和num_jobs_initial的值都改为1

在这里插入图片描述

  • step 2
    把local/nnet3/run_ivector_common.sh的
最低0.47元/天 解锁文章
Ian_Wonder
关注
  • 1
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
local/chain/run_tdnn.sh：
m0_51590371的博客
11-19 380
训练kaldi中的nnet3模型
kaldi自由说训练好的模型
07-08
利用从网上下载的kaldi源码和语音数据，训练好的支持自由说的模型，是模型，模型，模型！ 不是源码，也不是其他的语音资源文件，需要的朋友可以下载下来，结合kaldi中eg5/aishell/s5的例子使用！
Kaldi中aishell例子的run.sh
m0_56321289的博客
05-07 172
aishell的run.sh。
Kaldi实战 AISHELL顶层脚本run.sh
m0_61962283的博客
05-25 236
#!/usr/bin/env bash # Copyright 2017 Beijing Shell Shell Tech. Co. Ltd. (Authors: Hui Bu) # 2017 Jiayu Du # 2017 Xingyu Na # 2017 Bengu Wu # 2017 Hao Zheng # Apache 2.0 # This is a shell script, but it's recommend.
在kaldi中运行aishell数据集
huang_yx005的博客
01-25 2983
转载自https://blog.csdn.net/eqiang8848/article/details/81543599 以aishell为例的ASR过程 命令行到kaldi路径下，输入 cd egs/aishell/s5 首先改cmd的配置： vim cmd.sh 改为： export train_cmd=run.pl         #"queue.pl --mem 2G" expo...
kaldi中已经训练好的模型
qq_40212975的博客
06-22 842
http://kaldi-asr.org/models/m10
Kaldi中aishell语料训练结果（kaldi_aishell_exp.txt）
07-22
包含mono、tri1、tri2、tri3a、tri4a、tri5a已训练好的mdl、fst等文件，不包含dnn训练结果
Kaldi 测试报错：utils/split_scp.pl: Refusing to split data because number of speakers 2 is less than the
Robin_Pi的博客
08-12 1199
新建了一个文件夹robin存放两个人的音频数据（共2x10条wav音频）做测试，运行./test_cos.sh ~/kaldi/egs/sre16/v2/robin/sub_TIMIT_test 在最后报错：sid/compute_vad_decision.sh: moving data_test/vad.scp to data_test/.backup utils/split_scp.pl: Refusing to split data because number of speakers 2 is le
在服务器上运行kaldi说话人识别模型训练程序遇到的小问题
buki26的博客
10-22 2247
服务器上已开启安装了kaldi工具的docker容器，开启方法见上一篇博客。 说话人识别的例程用的是aishell提供的数据集，这里我的数据集已经下载到服务器了，所以后面我会再运行脚本里去掉下载数据集的命令。 1、容器开启的方法： 在上一篇博客的基础上用以下命令开启 docker run --runtime=nvidia --name [指定一个用于与其它容器区分的name] -it -v /ho...
Kaldi各种已经训练好的模型
robingao1994的博客
10-15 9754
做个记录 http://kaldi-asr.org/models.html 这网站是Kaldi中各种语音任务pretrained过的模型 有视源ASR的, xvector做声纹识别的, emebedding做diarization的, 大部分是用LDC的死贵死贵的语料训练的 直接把这些模型拿去解码或者拿去用都可以得出一个很不错的效果, 我们在x-vector参加的NIST评测和自己实验的...
Kaldi学习-训练简单语言模型
lanshan1111的博客
08-01 396
在使用gmm-copy命令查看声学模型时，可能会出现找不到改命令的错误，可以这样使用该命令~/kaldi/src/gmmbin/gmm-copy--binary=falsefinal.mdlfinal.txt。其中~/kaldi/src/gmmbin/gmm-copy是该命令所在位置。
从说话人识别demo开始学习kaldi--（1）run.sh
Grace_yan的博客
10-30 1795
kaldi 目录中egs/aishell/v1文件夹，就是使用ivector+PLDA方法的说话人识别小例子，数据集为aishell-1。 下面从run.sh开始，一句一句读代码。本人小白，linux shell也是现学的，见笑了。 #!/bin/bash .<<EOF linux shell 学习地址：https://www.runoob.com/linux/linux-shell....
kaldi ：详解aishell-1全过程【**数据准备**】
weixin_44885180的博客
03-06 2433
kaldi ：详解aishell-1全过程【数据准备】 环境：ubantu18.04 过程简单说来就是： ①语料数据准备 下载语料库到本地/服务器的文件夹 data_url=www.openslr.org/resources/33 . ./cmd.sh local/download_and_untar.sh $data $data_url data_aishell || exit 1; local/download_and_untar.sh $data $data_url resource_aishell
错误01 run.pl: 4 / 4 failed, log is in exp/make_mfcc/train/make_mfcc_train.*.log
weixin_40789411的博客
10-22 1987
用kaldi分布求mfcc的过程 中遇到了“错误01 run.pl: 4 / 4 failed, log is in exp/make_mfcc/train/make_mfcc_train.*.log” 在log文件中显示是“Permission denied”检查了一下个部分文件，s5文件下的mfcc文件夹有打开权限，所以将sudo chmod -R 777 /home/chz/kaldi/...
（十二）kaldi thchs30 DNN-HMM模型的训练
weixin_53694631的博客
01-05 748
本部分是对Kaldi thchs30 中run.sh的代码的line 106-107 行研究和知识总结，主要内容为Kaldi中nnet1的DNN-HMM模型训练。
Kaldi AMI数据集脚本学习6---转移模型(Transition Model)
sunfoot001的专栏
05-26 1085
PdfClassPDF(probability density function)指的是概率密度函数，比如是一个GMM表示的概率密度函数。对monophone，pdfclass和每个音素下面的状态是一一对应的。对triphone，不同状态可以分享同一个pdfclass，而决策树也是根据pdfclass来进行聚类的。转移概率关于一个转移的过程，有以下几个问题需要思考：这个状态在哪个音素下面？phon...
Kaldi中的nnet3之数据类型
Leora的博客
08-08 2454
简介 本章涵盖了最新的nnet3。为了了解Kaldi里所有的DNN，例如例如karel的版本，参考 Deep Neural Networks in Kaldi。 nnet3的创建是为了以更自然的方式不需要实际编码就支持更多通用种类的网络，而不仅仅是反馈网络（例如RNN和LSTM）。和nnet2一样支持多机器多GPU并行（利用基于naturalgradient-stabilized
kaldi中使用迁移学习进行模型训练
cheetah的专栏
03-20 1494
在现实中我们学习语音识别过程中，我们可能没有那么多语音语料怎么办？我们可以采用别人训练出来的模型进行迁移学习。那么在kaldi中如何迁移学习呢？ 在kaldi中实际上很方便简单，只要在local/chain/tuning/run_tdnn_1d.sh脚本文件中配置下已有的声学模型文件即可，final.mdl 为已训练好的声学模型文件。 如果没有大型的GPU服务器做实验，在kaldi官网上htt...
copy-feats --compress=true --write-num-frames=ark,t:exp/features/mfcc/data_mfcc_23_pitch_seg/log/utt2num_frames.1 ark:- ark,scp:/work/VPR/subtools_1229/exp/features/mfcc/data_mfcc_23_pitch_seg/raw_mfcc_pitch_seg.1.ark,/work/VPR/subtools_1229/exp/features/mfcc/data_mfcc_23_pitch_seg/raw_mfcc_pitch_seg.1.scp paste-feats --length-tolerance=2 'ark:compute-mfcc-feats --write-utt2dur=ark,t:exp/features/mfcc/data_mfcc_23_pitch_seg/log/utt2dur.1 --verbose=2 --config=subtools/conf/sre-mfcc-23.conf scp,p:exp/features/mfcc/data_mfcc_23_pitch_seg/log/wav_seg.1.scp ark:- |' 'ark,s,cs:compute-kaldi-pitch-feats --verbose=2 --config=subtools/conf/pitch.conf scp,p:exp/features/mfcc/data_mfcc_23_pitch_seg/log/wav_seg.1.scp ark:- | process-kaldi-pitch-feats ark:- ark:- |' ark:- compute-mfcc-feats --write-utt2dur=ark,t:exp/features/mfcc/data_mfcc_23_pitch_seg/log/utt2dur.1 --verbose=2 --config=subtools/conf/sre-mfcc-23.conf scp,p:exp/features/mfcc/data_mfcc_23_pitch_seg/log/wav_seg.1.scp ark:- VLOG[2] (compute-mfcc-feats[5.5]:main():compute-mfcc-feats.cc:182) Processed features for key 001_20230623160347_0319007398_mentianyu-1 compute-kaldi-pitch-feats --verbose=2 --config=subtools/conf/pitch.conf scp,p:exp/features/mfcc/data_mfcc_23_pitch_seg/log/wav_seg.1.scp ark:- ERROR (compute-kaldi-pitch-feats[5.5]:main():compute-kaldi-pitch-feats.cc:88) Sample frequency mismatch: you specified 16000 but data has 8000 (use --sample-frequency option). Utterance is 001_20230623160347_0319007398_mentianyu-1
最新发布
07-15
这些命令是用于特征处理的一系列操作。首先，copy-feats命令将特征数据进行复制并保存到指定的ark和scp文件中。接下来，paste-feats命令将两个特征数据进行拼接。 其中，compute-mfcc-feats命令用于计算MFCC特征，并将结果存储在ark文件中。compute-kaldi-pitch-feats命令用于计算音高特征，并将结果存储在ark文件中。然而，在最后一条命令中，compute-kaldi-pitch-feats命令出现了错误。错误信息指示样本频率不匹配，你指定了16000Hz，但数据实际上是8000Hz。建议使用--sample-frequency选项来指定正确的样本频率。该错误发生在utterance为"001_20230623160347_0319007398_mentianyu-1"的情况下。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值