nnet3-chain-命令

• nnet3-chain-acc-lda-stats 

从 nnet+chain 训练示例开始，以与 acc-lda 相同的格式累积统计数据（即用于估计 LDA 和类似类型变换的统计数据）。 该程序将特征通过网络，网络输出将是特征； 训练示例中的监督用于类标签。 用于获取有助于 nnet 训练更好地工作的特征转换。 注意：它从链监督得到的时间边界会有点模糊（这并不理想），但在这种情况下应该没有太大关系。

Usage:  nnet3-chain-acc-lda-stats [options] <raw-nnet-in> <training-examples-in> <lda-stats-out> 
e.g.:
nnet3-chain-acc-lda-stats 0.raw ark:1.cegs 1.acc
See also: nnet-get-feature-transform

• nnet3-chain-train

 使用反向传播和随机梯度下降训练 nnet3+chain 神经网络参数。 小批量将由输入管道中的 nnet3-chain-merge-egs 创建。 此训练程序是单线程的（最好与 GPU 一起使用）。

Usage:  nnet3-chain-train [options] <raw-nnet-in> <denominator-fst-in> <chain-training-examples-in> <raw-nnet-out>

nnet3-chain-train 1.raw den.fst 'ark:nnet3-merge-egs 1.cegs ark:-|' 2.raw

• nnet3-chain-merge-egs

 这会将 nnet3+chain 训练示例从输入复制到输出，并将它们合并为复合示例。 --minibatch-size 选项控制将多少个 egs 合并到一个输出中，例如。

Usage:  nnet3-chain-merge-egs [options] <egs-rspecifier> <egs-wspecifier>
e.g.
nnet3-chain-merge-egs --minibatch-size=128 ark:1.cegs ark:- | nnet3-chain-train-simple ... 
See also nnet3-chain-copy-egs