要在GitHub上执行或查看/下载此笔记本

性能分析

SpeechBrain 提供了一种简单的方法来分析任何训练方案。输出将是一个标准的 tensorboard 日志目录，包含所有典型的指标、跟踪、图表等。如果您需要更多信息，请参考 the PyTorch documentation。实际上，SpeechBrain 只是使用了标准的 Torch 分析器。

安装

请确保您已安装 TensorBoard 分析器：

pip install torch_tb_profiler

调用分析器

让我们在启用分析器的情况下开始训练。当然，我们不想运行完整的训练，只是几个步骤。这可以通过以下方式实现：

python train.py hparams/config.yaml --profile_training --profile_warmup 10 --profile_steps 5

–profile_warmup 和 –profile_steps 分别表示在开始记录之前我们应该等待多长时间（即预热）以及要记录的步骤数。等待是有用的，因为一些 PyTorch 和 CuDNN 优化通常发生在最初的训练步骤中。

使用tensorboard可视化日志

上一步将在{output_folder}/profiler_logs位置生成性能分析日志。输出文件夹是您YAML中的文件夹。您可以通过执行以下命令启动tensorboard并探索跟踪和图表：

tensorboard --log_dir {output_folder}/profiler_logs

当然，你需要安装tensorboard。

pip install tensorboard

引用SpeechBrain

如果您在研究中或业务中使用SpeechBrain，请使用以下BibTeX条目引用它：

@misc{speechbrainV1,
  title={Open-Source Conversational AI with {SpeechBrain} 1.0},
  author={Mirco Ravanelli and Titouan Parcollet and Adel Moumen and Sylvain de Langen and Cem Subakan and Peter Plantinga and Yingzhi Wang and Pooneh Mousavi and Luca Della Libera and Artem Ploujnikov and Francesco Paissan and Davide Borra and Salah Zaiem and Zeyu Zhao and Shucong Zhang and Georgios Karakasidis and Sung-Lin Yeh and Pierre Champion and Aku Rouhe and Rudolf Braun and Florian Mai and Juan Zuluaga-Gomez and Seyed Mahed Mousavi and Andreas Nautsch and Xuechen Liu and Sangeet Sagar and Jarod Duret and Salima Mdhaffar and Gaelle Laperriere and Mickael Rouvier and Renato De Mori and Yannick Esteve},
  year={2024},
  eprint={2407.00463},
  archivePrefix={arXiv},
  primaryClass={cs.LG},
  url={https://arxiv.org/abs/2407.00463},
}
@misc{speechbrain,
  title={{SpeechBrain}: A General-Purpose Speech Toolkit},
  author={Mirco Ravanelli and Titouan Parcollet and Peter Plantinga and Aku Rouhe and Samuele Cornell and Loren Lugosch and Cem Subakan and Nauman Dawalatabad and Abdelwahab Heba and Jianyuan Zhong and Ju-Chieh Chou and Sung-Lin Yeh and Szu-Wei Fu and Chien-Feng Liao and Elena Rastorgueva and François Grondin and William Aris and Hwidong Na and Yan Gao and Renato De Mori and Yoshua Bengio},
  year={2021},
  eprint={2106.04624},
  archivePrefix={arXiv},
  primaryClass={eess.AS},
  note={arXiv:2106.04624}
}