【项目实战】AUTOVC 代码解析 —— make_metadata.py

AUTOVC 代码解析 —— make_metadata.py

  简介

       本项目一个基于 AUTOVC 模型的语音转换项目，它是使用 PyTorch 实现的(项目地址)。
       
        AUTOVC 遵循自动编码器框架，只对自动编码器损耗进行训练，但它引入了精心调整的降维和时间下采样来约束信息流，这个简单的方案带来了显著的性能提高。(详情请参阅 AUTOVC 的详细介绍)。
       
       由于 AUTOVC 项目较大，代码较多。为了方便学习与整理，将按照工程文件的结构依次介绍。
       
       本文将介绍项目中的 make_metadata.py 文件：为训练生成说话人嵌入和元数据。
       

  函数解析

      main

          该函数的作用是： 为训练生成说话人嵌入和元数据

          输入参数： 无

          输出参数： 无

          代码详解：

		
		# 调用 model_bl 中的 D_VECTOR 创建说话人嵌入网络模型，输入数据大小为 80 ，LSTM 隐藏单元数为 768 ， 输出数据大小为 256 ；
		# 使用 model.eval 方法，将模块设置为评估模式。该设置仅对模型中某些模块有影响，例如 Dropout ， BatchNorm 等；
		# 使用 model.cuda 方法，移动所有的模型参数并缓存到 GPU ；
		# 需注意：这也会生成相关的参数并缓冲不同的对象。因此，如果模块将在GPU上运行，那么它应该在构建优化器之前被调用。
		C = D_VECTOR(dim_input=80, dim_cell=768, dim_emb=256).eval().cuda()
		# 加载预训练的说话人编码器模型
		c_checkpoint = torch.load('3000000-BL.ckpt')
		# 创建一个有序字典
		new_state_dict = OrderedDict()
		# 遍历加载的预训练说话人编码模型对应部分
		for key, val in c_checkpoint['model_b'].items():
		    # 截取 key 值，使命名一致
		    new_key = key[7: