ESPNet调用流程

1. 在相应的recipe下调用run.sh脚本

2. run.sh脚本会调用enh.sh脚本

3. enh.sh脚本的stage 6下面会调用espnet2/bin/launch.py文件，该文件会调用espnet/bin/enh_train.py文件

4. enh_train.py文件会调用espnet2/tasks/enh.py文件

5. enh.py文件会调用espnet2/enh/espnet_model.py文件

6. espnet_model.py文件中的ESPnetEnhancementModel类会被使用，根据

   enh_choices = ClassChoices(                                                             
       name="enh",
       classes=dict(
           ae=AutoEncoderNet,
           sep = Separator,
           tae = TAutoEncoderNet,
           dprnn=DPRNN,
           mfmvdr=DeepMFMVDRNet,
           tasnet=TasNet,
           tasnetm=TasNetM,
           tf_masking=TFMaskingNet,
           waveunet=WaveUNet,
           wpe_beamformer=BeamformerNet,
           asteroid=AsteroidModel_Converter,
       ),
       type_check=AbsEnhancement,
       default="tf_masking",
   )
   
   

   来指定可供选择的模型

7. 上面的模型在espnet2/enh/nets目录下实现。

8. 如果需要添加自己的模型，那么需要进行以下修改：

   • 将espnet2/bin/enh_train.py文件拷贝一份，进行相应的修改。
   • 将espnet2/tasks/enh.py文件拷贝一份，进行相应的修改。
   • 将在上一点提到的修改的文件中出现类实现在相应的目录下。