kaldi 训练流程分析

kaldilattice(网格1,Lattice①它是一个FST;②输入:transitionids输出:Word ③权重:graphcost)acousticcost)2 。CompactLattice(本质上包含与Lattice相同的信息)①它是acceptor(输入字段输出符号总是相同的 , (两个字)②权重:一对浮点数(Lattice中的权重) 一个整数序列(transition ids)③ , 可以使用sequential lattice reader compact lattice 。
【kaldi 训练流程分析】
1、如何用 kaldi 训练好的DNN模型做在线识别 训练配置:batchsize128caffe自带的imagenetwithcudnn模型比googlenetwithcuDNNVGG16层快比caffe自带的imagenetwithcudnn模型VGG19层慢比caffe自带的imagenetwithcudnn模型1慢 。CAFFE自带配置,使用cudnn前进速度:220m后退速度:360ms二、CAFFE自带配置,不使用cudnn前进速度:360ms后退速度:410ms三、GoogleNet,使用cudnn前进速度:410ms后退速度:1377ms四、GoogleNet,不使用cudnn前进速度:1145m后退速度:2009ms五、VGG16楼,使用cudnn前进速度:3101m后退速度
2、 kaldilattice(网格1,Lattice①它是一个FST;②输入:transitionids输出:Word ③权重:graphcost)acousticcost)2 。CompactLattice(本质上包含与Lattice相同的信息)①它是acceptor(输入字段输出符号总是相同的,(两个字)②权重:一对浮点数(Lattice中的权重) 一个整数序列(transition ids)③,可以使用sequential lattice reader compact lattice 。

    推荐阅读