paddlespeech.t2s.models.wavernn.wavernn_updater 模块

class paddlespeech.t2s.models.wavernn.wavernn_updater.WaveRNNEvaluator(model: Layer, criterion: Layer, dataloader: Optimizer, output_dir: Optional[Path] = None, valid_generate_loader=None, config=None)

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
生成有效样本

evaluate_core(batch)

gen_valid_samples()

class paddlespeech.t2s.models.wavernn.wavernn_updater.WaveRNNUpdater(model: Layer, optimizer: Optimizer, criterion: Layer, dataloader: DataLoader, init_state=None, output_dir: Optional[Path] = None, mode='RAW')

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)

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。

paddlespeech.t2s.models.wavernn.wavernn_updater.calculate_grad_norm(parameters, norm_type: str = 2)

计算模型参数的梯度规范 参数：

模型的参数

norm_type: str 返回 ------------ 张量

梯度范数