---
title: TDNN-PyTorch-模型库-ModelZoo-昇腾社区
description: ECAPA-TDNN是一个用于声纹识别的深度学习模型，它基于传统TDNN模型进行了改进。
keywords: TDNN,PyTorch,模型库,ModelZoo,昇腾社区,概述,简述,准备训练环境
url: https://www.hiascend.com/software/modelzoo/models/detail/4928396d15264169be795f69f0c116a6
section: (其他)
---

# TDNN-PyTorch-模型库-ModelZoo-昇腾社区

URL: https://www.hiascend.com/software/modelzoo/models/detail/4928396d15264169be795f69f0c116a6
描述: ECAPA-TDNN是一个用于声纹识别的深度学习模型，它基于传统TDNN模型进行了改进。
关键词: TDNN,PyTorch,模型库,ModelZoo,昇腾社区,概述,简述,准备训练环境

ModelZoo主页

主页 [了解详情](https://www.hiascend.com/software/modelzoo)大模型 [了解详情](https://www.hiascend.com/software/modelzoo/big-models)模型库 [了解详情](https://www.hiascend.com/software/modelzoo/models)工具库 [了解详情](https://www.hiascend.com/software/modelzoo/tools)权重库 [了解详情](https://www.hiascend.com/software/modelzoo/datasets)ModelShow [了解详情](https://www.hiascend.com/software/modelzoo/modelshow)DeepSeek专区HOT [了解详情](https://www.hiascend.com/developer/deepseek)文档中心 [了解详情](https://www.hiascend.com/document/detail/zh/ModelZoo/Documentation/overview/overview_0001.html)论坛交流 [了解详情](https://www.hiascend.com/forum/forum-0140120119986591009-1.html)

主页 [了解详情](https://www.hiascend.com/software/modelzoo)大模型 [了解详情](https://www.hiascend.com/software/modelzoo/big-models)模型库 [了解详情](https://www.hiascend.com/software/modelzoo/models)工具库 [了解详情](https://www.hiascend.com/software/modelzoo/tools)权重库 [了解详情](https://www.hiascend.com/software/modelzoo/datasets)ModelShow [了解详情](https://www.hiascend.com/software/modelzoo/modelshow)DeepSeek专区HOT [了解详情](https://www.hiascend.com/developer/deepseek)文档中心 [了解详情](https://www.hiascend.com/document/detail/zh/ModelZoo/Documentation/overview/overview_0001.html)论坛交流 [了解详情](https://www.hiascend.com/forum/forum-0140120119986591009-1.html)

模型库 [了解详情](https://www.hiascend.com/software/modelzoo/models)

TDNN-PyTorch

## TDNN-PyTorch

声纹识别PyTorch训练1003次浏览2026/02/02更新

3.7

查看模型源码

TDNN-PyTorch

查看模型源码

模型使用

版本信息

模型使用

版本信息

...

# 概述

## 简述

ECAPA-TDNN是一个用于声纹识别的深度学习模型，它基于传统TDNN模型进行了改进，主要有三个方面的优化，分别是：增加了一维SE残差模块（1-Dimensional Squeeze-Excitation Res2Block）;多层特征融合（Multi-layer feature aggregation and summation）;通道和上下文相关的统计池化（Channel- and context-dependent statistics pooling）。

- 参考实现：

```
url=https://github.com/speechbrain/speechbrain/tree/develop/templates/speaker_id
commit_id=d333cf277706146bd622cb46f928083f9938b21a
```
- 适配昇腾 AI 处理器的实现：

```
url=https://gitee.com/ascend/ModelZoo-PyTorch.git
code_path=PyTorch/contrib/audio
```

# 准备训练环境

## 准备环境

- 当前模型支持的 PyTorch 版本和已知三方库依赖如下表所示。

表 1版本支持表

| Torch_Version | 三方库依赖版本 |
| --- | ---|
| PyTorch 1.5 | - |
| PyTorch 1.8 | - |
- 环境准备指导。

1. 请参考《Pytorch框架训练环境准备 [了解详情](https://www.hiascend.com/document/detail/zh/ModelZoo/pytorchframework/ptes)》准备torch_npu环境。
2. 安装torchaudio，npu安装方法请参考:https://gitee.com/ascend/modelzoo/issues/I48AZM [了解详情](https://gitee.com/ascend/modelzoo/issues/I48AZM)
- 安装依赖并安装环境。

```
pip install -r requirements.txt
pip install --editable .
```

```
注意：安装依赖环境时，如果自动卸载torch，可以将'pip install --editable .'替换为'pip install --editable . --no-deps'。
```

## 准备数据集

1. 获取数据集。

用户自行获取`train-clean-5`数据集和`rirs_noises`数据集，将数据集分别解压至服务器任意目录下新建的`data/LibriSpeech`和`data/RIRS_NOISES`文件夹路径下，数据集目录结构参考如下：

```
├── data
    ├──LibriSpeech
       ├──train-clean-5
                                             
    ├──RIRS_NOISES
       ├──pointsource_noises
       ├──real_rirs_isotropic_noises
       ├──simulated_rirs           
```

说明：该数据集的训练过程脚本只作为一种参考示例。

# 开始训练

## 训练模型

1. 进入解压后的源码包根目录。

```
cd /${模型文件夹名称}/templates/speaker_id
```
2. 运行训练脚本。

该模型支持单机单卡训练和单机8卡训练。

- 单机单卡训练

启动单卡训练。

```
bash ./test/train_full_1p.sh --data_folder=/data/xxx/   # 单卡精度
bash ./test/train_performance_1p.sh --data_folder=/data/xxx/  # 单卡性能 
```
- 单机8卡训练

启动8卡训练。

```
bash ./test/train_full_8p.sh --data_folder=/data/xxx/   # 8卡精度
bash ./test/train_performance_8p.sh --data_folder=/data/xxx/  # 8卡性能    
```

--data_folder参数填写数据集路径，需写到数据集的一级目录。
3. 日志文件夹如下。

```
Log path:
   test/output/train_full_1p.log              # 单卡精度日志
   test/output/train_performance_1p.log       # 单卡性能日志
   test/output/train_full_8p.log              # 8卡精度日志
   test/output/train_performance_8p.log       # 8卡性能日志
```

模型训练脚本参数说明如下。

```
公共参数：
--data_folder                       //数据集路径
--local_rank                        //训练设备ID
--batch_size                        //训练批次大小
--number_of_epochs                  //训练重复次数
多卡训练参数：
--distributed_launch                //开启多卡训练
--distributed_backend               //多卡通信协议
```

# 训练结果展示

表 2训练结果展示表

| NAME | Valid Err | FPS | Epochs | AMP_Type | Torch_Version |
| --- | --- | --- | --- | --- | ---|
| 1p-竞品V | - | 17.43 | 1 | - | 1.5 |
| 8p-竞品V | 7.81e-03 | 83.26 | 5 | - | 1.5 |
| 1p-NPU | - | 9.548 | 1 | O1 | 1.8 |
| 8p-NPU | 3.91e-02 | 73.801 | 5 | O1 | 1.8 |

# 版本说明

## 变更

2022.07.05：整改Readme，重新发布。

## FAQ

无。

| 版本 | 更新时间 | 精度 | 处理器 | CANN版本 | 操作 |
| --- | --- | --- | --- | --- | ---|
| 5.0.RC1 | 2023/05/19 | Mixed | Ascend 910 | 6.0.1 | modelzoomodelzoo |

使用模型资源和服务前，请您仔细阅读并理解透彻《昇腾深度学习模型许可协议 3.0》 [了解详情](https://www.hiascend.com/legal/modelzoo_models_license)