onnx

游雁

2023-04-07 eb82674d880b1bad0319339b2036644a538e99e8

onnx

 funasr/export/models/encoder/sanm_encoder.py

@@ -158,13 +158,14 @@
    def forward(self,
                speech: torch.Tensor,
                speech_lengths: torch.Tensor,
                vad_mask: torch.Tensor,
                vad_masks: torch.Tensor,
                sub_masks: torch.Tensor,
                ):
        speech = speech * self._output_size ** 0.5
        mask = self.make_pad_mask(speech_lengths)
        vad_masks = self.prepare_mask(mask, vad_masks)
        mask = self.prepare_mask(mask, sub_masks)
        vad_mask = self.prepare_mask(mask, vad_mask)
        
        if self.embed is None:
            xs_pad = speech
        else:
@@ -176,7 +177,7 @@
        # encoder_outs = self.model.encoders(xs_pad, mask)
        for layer_idx, encoder_layer in enumerate(self.model.encoders):
            if layer_idx == len(self.model.encoders) - 1:
                mask = vad_mask
                mask = vad_masks
            encoder_outs = encoder_layer(xs_pad, mask)
            xs_pad, masks = encoder_outs[0], encoder_outs[1]
        
@@ -187,26 +188,26 @@
    def get_output_size(self):
        return self.model.encoders[0].size
    
    def get_dummy_inputs(self):
        feats = torch.randn(1, 100, self.feats_dim)
        return (feats)
    
    def get_input_names(self):
        return ['feats']
    
    def get_output_names(self):
        return ['encoder_out', 'encoder_out_lens', 'predictor_weight']
    
    def get_dynamic_axes(self):
        return {
            'feats': {
                1: 'feats_length'
            },
            'encoder_out': {
                1: 'enc_out_length'
            },
            'predictor_weight': {
                1: 'pre_out_length'
            }
            
        }
    # def get_dummy_inputs(self):
    #     feats = torch.randn(1, 100, self.feats_dim)
    #     return (feats)
    #
    # def get_input_names(self):
    #     return ['feats']
    #
    # def get_output_names(self):
    #     return ['encoder_out', 'encoder_out_lens', 'predictor_weight']
    #
    # def get_dynamic_axes(self):
    #     return {
    #         'feats': {
    #             1: 'feats_length'
    #         },
    #         'encoder_out': {
    #             1: 'enc_out_length'
    #         },
    #         'predictor_weight': {
    #             1: 'pre_out_length'
    #         }
    #
    #     }

 funasr/export/models/vad_realtime_transformer.py

@@ -66,13 +66,13 @@
        length = 10
        text_indexes = torch.tensor([[266757, 266757, 266757, 266757, 266757, 266757, 266757, 266757, 266757, 266757]], dtype=torch.int32)
        text_lengths = torch.tensor([length], dtype=torch.int32)
        vad_mask = vad_mask(10, 3, dtype=torch.float32)[None, None, :, :]
        vad_masks = vad_mask(10, 3, dtype=torch.float32)[None, None, :, :]
        sub_masks = torch.ones(length, length, dtype=torch.float32)
        sub_masks = torch.tril(sub_masks).type(torch.float32)
        return (text_indexes, text_lengths, vad_mask, sub_masks[None, None, :, :])
        return (text_indexes, text_lengths, vad_masks, sub_masks[None, None, :, :])

    def get_input_names(self):
        return ['input', 'text_lengths', 'vad_mask', 'sub_masks']
        return ['input', 'text_lengths', 'vad_masks', 'sub_masks']

    def get_output_names(self):
        return ['logits']
@@ -82,7 +82,7 @@
            'input': {
                1: 'feats_length'
            },
            'vad_mask': {
            'vad_masks': {
                2: 'feats_length1',
                3: 'feats_length2'
            },