PyTorch 中的语音生成模型训练参数设置

import torch

class hparams():
    def __init__(self):
        self.train_scp = 'scp/train_segan.scp'

        self.fs = 16000
        self.win_len = 16384

        self.ref_batch_size = 400

        self.lr_G = 2e-4
        self.lr_D = 2e-4

        self.batch_size = 64
        self.n_epoch = 100

        self.size_z = (1024, 8)

        self.w_g_loss1 = 0.5
        self.w_g_loss2 = 2

        self.save_path = 'save'
        self.n_epoch = 90

        self.ref_batch_size = 128
        self.path_save = 'save'

代码每句具体意思内容：

import torch: 导入 PyTorch 库。
定义 hparams 类，该类包含训练数据的 train_scp 路径、采样率 fs、窗口长度 win_len、参考批量大小 ref_batch_size、生成器和判别器的学习率 lr_G 和 lr_D、批量大小 batch_size、迭代次数 n_epoch、噪声向量 size_z 大小、生成器损失的权重 w_g_loss1 和 w_g_loss2、模型保存路径 save_path、以及参考批量大小和模型保存路径的另一种定义。
self.train_scp = 'scp/train_segan.scp': 将训练数据路径设置为 train_segan.scp 文件的路径。
self.fs = 16000: 将采样率设置为 16000。
self.win_len = 16384: 将窗口长度设置为 16384。
self.ref_batch_size = 400: 将参考批量大小设置为 400。
self.lr_G = 2e-4: 将生成器的学习率设置为 2e-4。
self.lr_D = 2e-4: 将判别器的学习率设置为 2e-4。
self.batch_size = 64: 将批量大小设置为 64。
self.n_epoch = 100: 将迭代次数设置为 100。
self.size_z = (1024, 8): 将噪声向量大小设置为 (1024, 8)。
self.w_g_loss1 = 0.5: 将生成器损失的权重设置为 0.5。
self.w_g_loss2 = 2: 将生成器损失的权重设置为 2。
self.save_path = 'save': 将模型保存路径设置为 'save'。
self.n_epoch = 90: 将迭代次数重新设置为 90。
self.ref_batch_size = 128: 将参考批量大小重新设置为 128。
self.path_save = 'save': 将模型保存路径重新设置为 'save'。