modelscope-funasr还有两万多条数据是怎么被过滤掉的？
在做微调语音识别模型的时候，max_token_length设置为3000，打印出的log里面显示：total_num of samplers: 157112, ../../../data/list/train.jsonl，这个总的样本数是这么计算的：157112=每轮的总step GPU个数 batch，现在有一个问题是我的总样本数是178460，而且每条音频不超过30秒，我也已经把max_token_length设置为6000了，max_source_length和max_target_length也设置为3000了，结果微调的时候总样本数还是157112条，modelscope-funasr还有两万多条数据是怎么被过滤掉的？
展开
收起
1
条回答
写回答
写回答
-
过滤逻辑在这里：https://github.com/alibaba-damo-academy/FunASR/blob/main/funasr/datasets/audio_datasets/index_ds.py#L97
注意这里，是音频+文本 此回答整理自钉群“modelscope-funasr社区交流”2024-05-29 21:35:21赞同 展开评论 打赏
相关问答
热门讨论
热门文章
modelscope-funasr的FunClip怎么安装的？
1959
小白求助，跟着大模型微调教程做不太明白
797
练的pth模型文件，怎么转成bin文件？
910
gpt3,加载数据时，MsDataset.load报错
1187
在modelscope-funasr中找不到有效的 OpenPGP 数据，如何解决？
114
modelscope-funasr在安卓平台可以集成sense voice吗？
163
请问微调开元模型qwe1.5b 和 7b 分别支持数据集的上下文长度是多少个汉字/token？
1165
如何下载llama模型到本地？
2831
报错AssertionError: choose a window size 400 that is
250
基于SQL数据库的RAG的若干疑问
22
展开全部
智胜未来：国内大模型+Agent应用案例精选，以及主流Agent框架开源项目推荐
1728
今日 AI 开源｜共 4 项｜DeepSeek 推出新一代 AI 推理模型，实力比肩 OpenAI o1-preview！
34
RAG+AI工作流+Agent：LLM框架该如何选择，全面对比MaxKB、Dify、FastGPT、RagFlow、Anything-LLM,以及更多推荐
656
Open Interpreter：AI 赋能终端！在终端中对话AI模型进行编程，通过运行代码来完成各种计算机操作任务
29
Perplexica：开源 AI 搜索引擎，Perplexity AI 的开源替代品，支持多种搜索模式、实时信息更新
27
ModelScope X 昇腾910快速上手
559
LLM 大模型学习必知必会系列(二)：提示词工程-Prompt Engineering 以及实战闯关
926
LLM 大模型学习必知必会系列(一)：大模型基础知识篇
1354
Memoripy：支持 AI 应用上下文感知的记忆管理 Python 库
21
告别Hugging Face模型下载难题：掌握高效下载策略，畅享无缝开发体验
391
展开全部
