qin
qin
@LJXLJXLJX ，请问如果将这个损失用在分类任务中，在测试阶段，没有label标签，output = (one_hot * phi) + ((1.0 - one_hot) * cosine)，我是将phi送入softmax激活函数中，还是cosine送入softmax激活函数中，还是其他的？
本人使用amsoftmax以及arcface的损失函数在分类任务上取得了高于softmax的分类效果（音频分类任务中）。分享给大家，希望有所帮助。 具体的做法： ``` # 在模型最后一层定义一个恒等变换，该层会将输入直接输出 class myNet(nn.Module): def __init__(self): super(myNet, self).__init__() ... self.fc = nn.Identity() def forward(self, x): ... x = self.fc(x) return x ## 训练过程中在网络后面加入损失函数 net = myNet() loss_fn...
对于那些不收敛的情况，可以试着先用softmax进行预训练，等模型获得较好的参数之后，再将softmax换成arcface loss。
您好，请问您有没有成功复现过ECAPA-TDNN？，我这边仅仅使用kaldi的数据增广方法，也没有使用s-norm，仅仅获得了1.35%EER。另外，您论文的第16个参考文献是否存在问题？
学习率和原文一致，具体代码如下： ``` optimizer = torch.optim.Adam( [{'params': model.parameters(), 'lr': 1e-3, 'weight_decay' : 2e-5}, {'params': aamsoftmax.parameters(), 'lr': 1e-3, 'weight_decay' : 2e-4}]) scheduler = torch.optim.lr_scheduler.CyclicLR(optimizer, 1e-8, 1e-3,step_size_up = 65000, \ step_size_down = 65000,mode='triangular2',cycle_momentum...
感谢您分享，是否可以将您的新论文（ICASPP2021）发给我看看，邮箱：[email protected]，非常感谢。
https://github.com/speechbrain/speechbrain，这个项目里对ECAPA-TDNN进行了复现，似乎获得了更好的结果。
同问题，我升级了pytorch的版本之后就可以能直接运行了。