jianganbai / aegan-ad Goto Github PK

怎么对一个音频进行推理，并获得得分，判别是正常还是异常？

尊敬的姜博士您好：
请问您当时训练这个22年的模型，训练一次大约需要多久哇，我在一张4090（显存24G）上跑两个类，比如风扇和gearbox（因为我发现一个类只占显存大约10G），所以我是两个程序一起在一张4090上跑，但特别慢，有时候gearbox一个epoch需要24000秒，而风扇一个epoch需要36000秒，请问您当时运行一个类，大约跑了多久呀？谢谢

尊敬的姜博士：
您好，关于您的代码，我想问一下对于不同数据集，您说训练的数据是不一样的，那对于用deval进行训练时，都是怎么划分的数据集呢？是dev_data和eval_data里面训练数据的集合吗？还是有比例的？代码中并没有看到具体是怎么划分的deval数据集呢。作为学术小白，可以回答一下我的问题嘛，谢谢您！
祝您一切顺遂！

您好，是这样的，我再跑22年的时，只更换了数据集，但是跑着跑着出现了这样的一个问题，请问这个是什么原因引起的呢？谢谢

尊敬的姜博士：
我有一个问题想请问您，您有没有尝试过将训练好的模型转换成onnx进行流式处理，如果有的话 可以把代码分享出来吗？

尊敬的姜安柏博士：
您好！
非常感谢您的在机器音频异常检测工作上的贡献，听完您的报告，我尝试复现代码的dcase22中bearing部分，过程中遇到了几个问题想请教一下您。

1. dcase22共提供了3部分数据集，我将Development dataset解压到了dev_data中，Additional training dataset和Evaluation dataset解压到了eval_data中，不知道这样是不是正确？

2. 我使用了您提供的pretrained dicts进行测试，测试的输出结果如下：

                ========= Test Machine Type: bearing =========
                ============== TEST DATASET GENERATOR ==============
                ============== TRAIN DATASET GENERATOR ==============
                => Recorded best hmean: 0.7603
                => Detection on dev test set
                100%|██████████| 600/600 [00:51<00:00, 11.60it/s]
                => Best metric: G_z_1_sum; Best hmean: 0.7075
   

其中的best hmean 只有0.7075，是不是在第一个问题中数据集没有设置好，还是其他的原因？

感谢您在百忙之中阅读我的邮件，谢谢！
如果您能解答我的疑惑，我将不胜感激。

祝您生活愉快，科研顺利！

大佬你好
我下载代码后，跑了一下22年的数据集，但是跑出来的结果不是很理想。
配置文件中仅修改了随机种子（默认种子也尝试过）和data_set_dir的路径

（左边是我跑出来的结果）
我尝试了修改学习率但是效果还是差不多。刚入门深度学习，不知道这种差异可能是哪些原因造成的。能指点一下吗QAQ

尊敬的姜博士您好：
我在下载您的代码后，按您说的命令运行DC2020年代码，首先报错是提示没有“ graph_hop_f”这个键，然后我对比22年的代码，在yaml文件中添加了 graph_hop_f: 1，然后继续运行，然后报错了，提示信息是assert status_note in ['normal', 'anomaly']
AssertionError，具体信息如下图，请问这个原因是什么呀？谢谢

请问是我运行代码的方式不对吗？

祝您一切顺利

尊敬的姜博士：
您好，请问您可以发一份关于dcase22的可视化代码嘛？因为我的代码能力比较弱，所以想观摩一下您的可视化代码，我保证，获取的源码仅用于学术研究目的，并会在任何可能的研究成果中充分引用和致谢您的工作，感谢您考虑我的请求，谢谢，我的邮箱是[email protected] 您的可视化图片如下

最后，祝您学业顺利，生活顺遂~ 谢谢

尊敬的姜安柏博士：
您好！
看完您的论文，我有几个问题想请教一下您！
我想请教一下您这篇论文训练的时候用了附加训练集吗？测试的时候用的是开发集的test数据吗？
祝好！

主页展示的那个20年的表格中用的是auc还是pauc？谢谢您的回答。

尊敬的姜安柏博士：
您好！
非常感谢您的在机器音频异常检测工作上的贡献，听完您的报告，我有几个问题想请教一下您。
1.生成器的损失函数中的feature-matching Loss部分，为什么要加上判别器中间隐藏层的真实数据和重构数据均值差的范数的平方，还有方差的差的范数的平方，这样做起到了什么作用？为什么要选择在判别器隐藏层？这里选择的是中间的哪个隐藏层的输出？

   2.生成器部分的重构误差的设置中，将重构数据输入到encoder得到的维度为256的特征向量和真实数据的256特征向量对比，这个差异可以解释一下具体体现的是什么吗？将这个加到整个重构误差中起到了什么作用呢？

   如果您能解答我的疑惑，我将不胜感激。感谢您在百忙之中阅读我的邮件，谢谢！
   
    祝您生活愉快，科研顺利！

尊敬的姜博士您好：
看了您的论文，跑了一下这个DCASE2022的代码，我用的显卡RTX 4090, 在config.yaml中也替换了pretain中的参数，其他是没有变的，为什么bearing的效果还是不行呢，这是正常情况吗？