eval.py

import argparse
import functools
import time

from ppasr.trainer import PPASRTrainer
from ppasr.utils.utils import add_arguments, print_arguments

parser = argparse.ArgumentParser(description=__doc__)
add_arg = functools.partial(add_arguments, argparser=parser)
add_arg('configs',           str,   'configs/conformer.yml',       "配置文件")
add_arg("use_gpu",           bool,  True,                          "是否使用GPU评估模型")
add_arg('metrics_type',      str,   'cer',                         "评估指标类型，中文用cer，英文用wer，中英混合用mer")
add_arg('decoder',           str,   'ctc_greedy_search',           "解码器，支持 ctc_greedy_search、ctc_prefix_beam_search、attention_rescoring、ctc_beam_search")
add_arg('decoder_configs',   str,   'configs/decoder.yml',         "解码器配置参数文件路径")
add_arg("max_text_duration", int,   50,                            "测试过滤的最大音频时长，如果不指定，则使用配置文件里面的max_duration")
add_arg('resume_model',      str,   'models/ConformerModel_fbank/best_model/',  "模型的路径")
add_arg('overwrites',        str,    None,    '覆盖配置文件中的参数，比如"train_conf.max_epoch=100"，多个用逗号隔开')
args = parser.parse_args()
print_arguments(args=args)

# 获取训练器
trainer = PPASRTrainer(configs=args.configs,
                       use_gpu=args.use_gpu,
                       metrics_type=args.metrics_type,
                       decoder=args.decoder,
                       decoder_configs=args.decoder_configs,
                       overwrites=args.overwrites)

# 开始评估
start = time.time()
loss, error_result = trainer.evaluate(resume_model=args.resume_model,
                                      display_result=True,
                                      max_text_duration=args.max_text_duration)
end = time.time()
print('评估消耗时间：{}s，错误率：{:.5f}'.format(int(end - start), error_result))