Xuanwu Yun

好兄弟想在哪个板子上跑

确实是，好像找不到，目前看就是把另外两个残差删了而已

呃，我找到了，在repvgg.py的第80行左右

是不是最后一层没接sigmoid？

那不就结了，没有sigmoid他怎么输出0-1

这个你自己再确认一下吧

这个看起来像是量化的损失太大，有咩有试一下fp16模型？

我曾经也遇到了这些问题，尤其是：1、长时间静音后突然识别，开头的几个字基本识别不正确；2、会漏掉一些单词。然而我清晰知道这些问题的原因，最原来的zipformer是有pooling层的，我当时做过实验，把pooling去掉，这两个现象就会发生，但是加上pooling层后，这些现象就会消失。问题在于，我发现后面更新的zipformer，和原始的zipformer结构略微不同，特别是新的zipformer原生没有pooling层，我不知道你们的原因是不是这个。 English: I've also encountered these issues before, especially: 1) After a long silence, when recognition suddenly starts, the first few words are almost always incorrectly recognized; 2) Some words...

3q for your answer and rename my question

不对劲啊，这个gan的采样率是16000，nummel=80,我用对应的mel特征去推理为什么得不到原始音频