Bunkws 训练新项目教程

Bunkws 是杭州国芯微自研的一款端到端唤醒词训练框架，其独创的从"数据生成->模型训练->测试报告输出"全链路自动化框架，让零算法基础的开发者也能完成从训练到芯片级模型落地，开启智能硬件开发的极简时代。

步骤一：新建项目工程

拷贝/新建新工程方法

# 我的 home 路径如下: /home/liushk
# 那么我的通用数据存储路径: /home/liushk/corpus

# 进入示例模版工程
cd ~/bunkws/egs
cp -r earphone xxxx  # 中文项目
# 或
cp -r hi_ella xxx   # 英文项目

示例说明

我本次训练的是一个中文项目，名称取名为 aiot。根据工程示例的解释，我可以选择：

v0.1.0 版本：npu 编译后大小为 300KB
v0.1.1 版本：npu 编译后大小为 120KB

本次项目空间大，可以选择大一点的模型，因此选择 v0.1.0 版本。所有介绍均以该项目为例，操作如下：

# 进入示例模版工程
cd ~/bunkws/egs
cp -r earphone aiot  # 中文项目

步骤二：配置数据存储路径

在前面的下载相关文件步骤中，下载过通用语料 corpus.tar.gz，并且在解压 BunKws 工程步骤中已经解压在 home 目录下，那么我的配置路径方法如下：

# 我的 home 路径如下: /home/liushk
# 那么我的通用数据存储路径: /home/liushk/corpus
# 我选择该新项目训练过程中产生的数据，存储路径为 /home/liushk/corpus/kws/aiot

# 创建模型训练数据存储路径
mkdir -p /home/liushk/corpus/kws/aiot
cd ~/bunkws/egs/aiot/v0.1.0

# 配置路径
vim run.sh

把该文件中如下内容修改成：

corpus_dir=/home/liushk/corpus  # 通用语料路径
project_dir=/home/liushk/corpus/kws/aiot

步骤三：创建需要的唤醒词、指令词

在上述步骤中，我们创建了一个 /home/liushk/corpus/kws/aiot 目录用于存储本项目的所有生成数据集过程中的语料。Bunkws 框架定义，在 project_dir 路径下，会自动读取 cmd.txt 内容作为唤醒词、指令词。

创建方法

# 我的 home 路径如下: /home/liushk
# 那么我的通用数据存储路径: /home/liushk/corpus
# 我选择该新项目训练过程中产生的数据，存储路径为 /home/liushk/corpus/kws/aiot

vim /home/liushk/corpus/kws/aiot/cmd.txt

写入格式如下，一个指令、唤醒词一行，以换行分割，除唤醒词、指令词以外不要有其他内容：

你好小树
打开灯光
关闭灯光

步骤四：运行 Bunkws 训练目标模型，检查报告输出

运行训练脚本

一键训练

一键完成：数据生成、数据准备、模型训练、模型测试和部署

./run.sh  # 一键训练

分阶段执行

可以自主控制运行步骤，主要为了在微调迭代使用，减少不必要的时间。但是请注意，步骤顺序有前后依赖，数据准备好才可训练。

# 数据生成
./run.sh --stage -1 --stop_stage -1

# 数据准备
./run.sh --stage 0 --stop_stage 1

# 模型训练
./run.sh --stage 2 --stop_stage 2

# 模型测试和部署
./run.sh --stage 3 --stop_stage 3