paddlespeech.t2s.models.fastspeech2.fastspeech2_updater 模块

class paddlespeech.t2s.models.fastspeech2.fastspeech2_updater.FastSpeech2Evaluator(model: Layer, dataloader: DataLoader, use_masking: bool = False, use_weighted_masking: bool = False, spk_loss_scale: float = 0.02, output_dir: Optional[Path] = None, enable_spk_cls: bool = False)[来源]

基础: StandardEvaluator

Attributes:
name

方法

__call__([trainer])

扩展的主要操作。

finalize(trainer)

训练完成时执行的操作。

initialize(trainer)

执行一次以获取正确的培训师状态的操作。

on_error(trainer, exc, tb)

处理训练过程中引发的错误,然后再进行最终处理。

评估

evaluate_core

evaluate_core(batch)[来源]
class paddlespeech.t2s.models.fastspeech2.fastspeech2_updater.FastSpeech2Updater(model: Layer, optimizer: Optimizer, dataloader: DataLoader, init_state=None, use_masking: bool = False, spk_loss_scale: float = 0.02, use_weighted_masking: bool = False, output_dir: Optional[Path] = None, enable_spk_cls: bool = False)[来源]

基础: StandardUpdater

Attributes:
updates_per_epoch

每个时代的更新者数量,由数据加载器的长度决定。

方法

new_epoch()

开始一个新的周期。

read_batch()

从数据加载器中读取一批,当数据耗尽时自动续订。

set_state_dict(state_dict)

为更新器设置状态字典。

state_dict()

一个Updater的状态字典,包括模型、优化器和更新器状态。

update_core(batch)

训练步骤的简单案例。

加载

保存

更新

update_core(batch)[来源]

训练步骤的简单案例。基本假设是: 单一模型; 单一优化器; 数据加载器中的一批数据只是模型的输入; 模型返回一个单一的损失,或者包含多个损失的字典。 每个批次参数更新,没有梯度累积。