Dev gzf exp (#1665)

zhifu gao

2024-04-26 1cdb3cc28d4d89a576cc06e5cd8eb80da1f3a3aa

 funasr/models/bicif_paraformer/export_meta.py

@@ -8,6 +8,7 @@

from funasr.register import tables


def export_rebuild_model(model, **kwargs):
    is_onnx = kwargs.get("type", "onnx") == "onnx"
    encoder_class = tables.encoder_classes.get(kwargs["encoder"] + "Export")
@@ -21,7 +22,7 @@

    from funasr.utils.torch_function import sequence_mask

    model.make_pad_mask = sequence_mask(kwargs['max_seq_len'], flip=False)
    model.make_pad_mask = sequence_mask(kwargs["max_seq_len"], flip=False)

    model.forward = types.MethodType(export_forward, model)
    model.export_dummy_inputs = types.MethodType(export_dummy_inputs, model)
@@ -31,6 +32,7 @@
    model.export_name = types.MethodType(export_name, model)

    return model


def export_forward(
    self,
@@ -53,39 +55,32 @@

    return decoder_out, pre_token_length, us_alphas, us_cif_peak


def export_dummy_inputs(self):
    speech = torch.randn(2, 30, 560)
    speech_lengths = torch.tensor([6, 30], dtype=torch.int32)
    return (speech, speech_lengths)


def export_input_names(self):
    return ['speech', 'speech_lengths']
    return ["speech", "speech_lengths"]


def export_output_names(self):
    return ['logits', 'token_num', 'us_alphas', 'us_cif_peak']
    return ["logits", "token_num", "us_alphas", "us_cif_peak"]


def export_dynamic_axes(self):
    return {
        'speech': {
            0: 'batch_size',
            1: 'feats_length'
        "speech": {0: "batch_size", 1: "feats_length"},
        "speech_lengths": {
            0: "batch_size",
        },
        'speech_lengths': {
            0: 'batch_size',
        },
        'logits': {
            0: 'batch_size',
            1: 'logits_length'
        },
        'us_alphas': {
            0: 'batch_size',
            1: 'alphas_length'
        },
        'us_cif_peak': {
            0: 'batch_size',
            1: 'alphas_length'
        },
        "logits": {0: "batch_size", 1: "logits_length"},
        "us_alphas": {0: "batch_size", 1: "alphas_length"},
        "us_cif_peak": {0: "batch_size", 1: "alphas_length"},
    }


def export_name(self):
    return "model.onnx"
    return "model.onnx"