用c去編譯問題

[a22802240]

想請問一下，我看了onnxruntime的步驟去執行
進行到第三步時去做測試 測試指令如下
./build/bin/asv_main
--enroll_wav /home/max/Documents/vscode_wespeaker/wespeaker/spk1_audio.wav
--test_wav /home/max/Documents/vscode_wespeaker/wespeaker/spk1_test_audio.wav
--threshold 0.5
--speaker_model_path /home/max/Documents/vscode_wespeaker/cnceleb_resnet34.onnx
--embedding_size 256
中間沒有報錯 但並沒有顯示任何東西 想請問一下是不是有什麼地方沒做到

[cdliang11]

执行以下命令，再试试

export GLOG_logtostderr=1
export GLOG_v=2

[a22802240]

目前有結果出來了
但又有別的問題
目前使用的是從http://wenet.org.cn/wespeaker/pretrained.html下載的datasets為cnceleb的resnet34的onnx模型做測試
而這個的相似度計算跟使用python用一樣的模型去計算得到的相似度分數有點差太多了
使用的音檔都一樣
這是使用onnx的相似度分數

這是使用python去測試的相似度分數

如果我理解沒錯這兩個模型應該是一樣的 這樣相似度計算應該一樣對 想請問我有沒有理解錯的地方

[a22802240]

想順便請問一下 我是使用cmake -DONNX=ON ..命令去編譯
我有想實驗使用cmake -DONNX=ON -DGPU=ON ..去編譯讓它使用gpu
但編譯後分別輸入export PATH=/usr/local/cuda-11.1/bin${PATH:+:${PATH}}跟export LD_LIBRARY_PATH=/usr/local/cuda-11.1/lib64:${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
之後去執行卻說沒有找到cuda 想請問是哪邊有需要更動

[cdliang11]

目前有結果出來了 但又有別的問題 目前使用的是從http://wenet.org.cn/wespeaker/pretrained.html下載的datasets為cnceleb的resnet34的onnx模型做測試 而這個的相似度計算跟使用python用一樣的模型去計算得到的相似度分數有點差太多了 使用的音檔都一樣 這是使用onnx的相似度分數

這是使用python去測試的相似度分數

如果我理解沒錯這兩個模型應該是一樣的 這樣相似度計算應該一樣對 想請問我有沒有理解錯的地方

runtime运行加上：--SamplesPerChunk -1 再试试

[cdliang11]

想順便請問一下 我是使用cmake -DONNX=ON ..命令去編譯 我有想實驗使用cmake -DONNX=ON -DGPU=ON ..去編譯讓它使用gpu 但編譯後分別輸入export PATH=/usr/local/cuda-11.1/bin${PATH:+:${PATH}}跟export LD_LIBRARY_PATH=/usr/local/cuda-11.1/lib64:${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} 之後去執行卻說沒有找到cuda 想請問是哪邊有需要更動

需要确定/usr/local/cuda-11.1/是否存在。如果不存在，需要修改为你本地的cuda路径

[a22802240]

是有所提高了 但還是跟python去測試給出的分數有點差距

[cdliang11]

是有所提高了 但還是跟python去測試給出的分數有點差距

两个原因：

1. 窗类型没对上。已fix [cli] Using Hanming Window #407
2. cli中对score做了归一化，[runtime] cosine score normalization #408

   wespeaker/wespeaker/cli/speaker.py

   Lines 191 to 194 in ee797dd

   	def cosine_similarity(self, e1, e2):
   	cosine_score = torch.dot(e1, e2) / (torch.norm(e1) * torch.norm(e2))
   	cosine_score = cosine_score.item()
   	return (cosine_score + 1.0) / 2 # normalize: [-1, 1] => [0, 1]

[JiJiJiang]

1. 已merge.
   可以拉一下最新的代码重试一下 @a22802240

[a22802240]

拉最新的代碼後使用python測試報錯

以下是實驗的程式碼

[a22802240]

重看一次後將speaker_engine.cc的CosineSimilarity的return也做規一化後兩者的相似度計算就一樣了

[JiJiJiang]

拉最新的代碼後使用python測試報錯

以下是實驗的程式碼

拼写错误哈，已修复。#410