TCNN 音频降噪模型训练配置 - 使用不同信噪比数据进行训练

该配置用于训练一个基于 TCNN 的音频降噪模型。

模型使用不同的信噪比 (SNR) 级别的数据进行训练，以确保模型能够学习在各种噪声条件下进行降噪。

配置参数说明：

• seed: 随机种子，用于确保实验结果的可重复性。
• root_dir: 数据存储路径。
• cudnn_deterministic: 是否使用确定性 CUDNN。
• trainer: 训练器配置
  • epochs: 训练轮数。
  • save_checkpoint_interval: 模型保存间隔。
  • validation: 验证配置
    • interval: 验证间隔。
    • find_max: 是否寻找最大指标。
    • custom: 自定义配置
      • visualize_audio_limit: 可视化音频数量。
      • visualize_waveform_limit: 可视化波形数量。
      • visualize_spectrogram_limit: 可视化频谱图数量。
• model: 模型配置
  • module: 模型模块路径。
  • main: 模型类名。
  • args: 模型参数。
• loss_function: 损失函数配置
  • module: 损失函数模块路径。
  • main: 损失函数类名。
  • args: 损失函数参数。
• optimizer: 优化器配置
  • lr: 学习率。
  • beta1: Adam 优化器参数。
  • beta2: Adam 优化器参数。
• train_dataset: 训练集配置
  • module: 数据集模块路径。
  • main: 数据集类名。
  • args: 数据集参数
    • noise_dataset: 噪声数据集路径。
    • clean_dataset: 干净数据集路径。
    • snr_list: 使用的信噪比列表，例如 'snr_list': ['-5', '-4', '-3', '-2', '-1', '0', '1'] 表示使用信噪比从 -5dB 到 1dB 的数据进行训练。
    • limit: 训练集样本数量。
    • offset: 训练集样本起始位置。
    • mode: 数据集模式，'train' 表示训练集。
    • n_jobs: 并行加载数据的线程数量。
• validation_dataset: 验证集配置，与训练集类似。
• train_dataloader: 训练数据加载器配置
  • batch_size: 批量大小。
  • num_workers: 数据加载线程数量。
  • shuffle: 是否打乱数据。
  • pin_memory: 是否将数据固定到内存。

'snr_list' 参数的解释:

在音频处理中，SNR（Signal to Noise Ratio）是指信号与噪声的比值。在该配置中，'snr_list' 参数指定了训练和验证数据集中使用的不同信噪比 (SNR) 水平。例如，'snr_list': ['-5', '-4', '-3', '-2', '-1', '0', '1'] 表示训练和验证数据集将包含信噪比为 -5 dB 到 1 dB 之间的样本。这样做是为了模型能够学习在不同噪声水平下的音频信号降噪能力。