06 浅谈DTT模型的配置文件

浅谈DTT模型的配置文件

当你运行

python train.py experiment=vocals_dis datamodule=musdb_dev14 trainer=default

时，配置文件究竟是怎么选的呢？

我们可以首先看一下config文件夹的结构：

然后看要运行的这个train.py的内容：

@hydra.main(config_path="configs/", config_name="config.yaml", version_base='1.1')
def main(config: DictConfig):
    ###省略

由此可知它用到了config.yaml这个文件，我们接下来看一下这个文件（我删了一些无关注释）：

defaults:
  - datamodule: musdb18_hq
  - model: null
  - callbacks: default # set this to null if you don't want to use callbacks
  - logger: null # set logger here or use command line (e.g. `python run.py logger=wandb`)
  - trainer: default
  - hparams_search: null
  - paths: default.yaml

  - hydra: default

  - experiment: null

  # enable color logging
  - override hydra/hydra_logging: colorlog
  - override hydra/job_logging: colorlog


debug: False

# pretty print config at the start of the run using Rich library
print_config: True

# disable python warnings if they annoy you
ignore_warnings: True

wandb_api_key: ${oc.env:wandb_api_key}

先看defaults部分：

1. datamodule: musdb18_hq告诉我们它用到了configs\datamodule\musdb18_hq.yaml里的配置

2. model: null告诉我们它没在这边设置好模型（不过其实experiment=vocals_dis这边间接设置了，一会儿来看）

3. 同理，我们跳过几个，看trainer: default，这个告诉我们它用到了configs\trainer\default.yaml里的配置

4. 然后看一个比较重要的：experiment，别看这边是null，不要忘了我们运行命令时指定了experiment=vocals_dis，

   我们来看一下configs\experiment\vocals_dis.yaml这个文件：

   # @package _global_
   
   # to execute this experiment run:
   # python run.py experiment=example_simple.yaml
   
   defaults:
     - multigpu_default
     - override /model: vocals.yaml
   
   seed: 2021
   
   exp_name: vocals_g32
   
   # the name inside project
   logger:
     wandb:
       name: ${exp_name}
   
   model:
     lr: 0.0002
     optimizer: adamW
     bn_norm: syncBN
     audio_ch: 2 # datamodule.single_channel
     g: 32
   
   trainer:
     devices: 2 # int or list
     sync_batchnorm: True
     track_grad_norm: 2
   #  gradient_clip_val: 5
   
   datamodule:
     batch_size: 8
     num_workers: ${oc.decode:${oc.env:NUM_WORKERS}}
     pin_memory: False
     overlap: ${model.overlap}
     audio_ch: ${model.audio_ch}
     epoch_size:
   

   你看它里面也有之前已经配置过的model,trainer,datamodule之类的，当然是以后出现的配置为准（会覆盖与前面配置的冲突的地方）

   defaults里面有一个multigpu_default，指向configs\experiment\multigpu_default.yaml文件，还是一样，后出现的配置覆盖与前面配置的冲突的地方

   defaults里面还有一个override /model: vocals.yaml，override 说明是覆盖，/model: vocals.yaml 指定了模型部分的配置应该从 configs\experiment\vocals_dis.yaml 文件中加载。

PS：！！！ Hydra的配置优先级顺序如下：

1. 命令行参数
2. 配置文件中的默认值
3. 配置文件中的其他指定值

如果你的训练命令中加上了logger=[]：根据Hydra的配置机制，命令行参数的优先级高于配置文件。因此，即使 vocals_dis.yaml 中指定了 logger 为 wandb，命令行中的 logger=[] 会覆盖这个设置，最终导致 logger 被设置为空列表，不会使用任何日志记录器