Audio Blind Source Separation for Noise Reduction开源代码调试历程

1、论文代码框架如下

2、运行main函数时，给出调试过程释意：
必须使用参数选择执行模式。选项是 和 。–mode train evaluate separate
对于训练模型，需要 3 个参数：要使用的数据集类型、掩码模型的类型和 分类器模型的类型。可用类型分别在函数 、 和 文件中报告。如果执行模式为 ，则必须传递这些参数。find_data_set_classfind_mask_model_classfind_classifier_model_classdata_set.pymask_model.pyclassifier_model.pytrain

3、在pycharm上，运行main时需要配置的地方


参数为：–mode train evaluate separate
-m
VGGLikeMaskModel
-d
DCASE2013RemixedDataSet
-c
ChannelWiseFC2d

其中，-m -d -c 后面的参数可以根据实际项目进行调整
m（mask_model）包括VGGLikeMaskModel
d（data_set）包括DCASE2013RemixedDataSet、ICASSP2018JointSeparationClassificationDataSet、AudiosetSegments和			AudiosetSegmentsOnDisk
c（classifier_model）包括 ChannelWiseFC2d、ChannelWiseRNNClassifier和DepthWiseCNNClassifier

4、数据集
为了生成DCASE2013 Sound Event Detection data set的数据集，应