Warp-transducer는 CPU와 GPU에서 병렬 RNN-transducer를 실현할 수 있는 소스 라이브러리입니다. 현재는pytroch와tensorflow의 호출을 지원하는데 주로 RNNTLoss를 계산하는 데 사용됩니다.
본문은 ubuntu18에 있습니다.04 시스템에서 진행됐습니다.
warp-transducer 다운로드 주소

원본 컴파일러 Warp-transducer

Warp-transducer 코드를 먼저 가져오려면:

git clone https://github.com/HawkAaron/warp-transducer
cd warp-transducer

build 폴더를 만들려면 다음과 같이 하십시오.

mkdir build
cd build

컴파일링:

cmake -DCUDA_TOOLKIT_ROOT_DIR=$CUDA_HOME ..
make

만약 당신의 cuda가 표준 설치가 아니라면 - DCUDA 를 사용해야 합니다TOOLKIT_ROOT_DIR=cuda , cmake 발견CUDA다음 logs가 있는 경우

-- cuda found TRUE
-- Building shared library with no GPU support

rm CMakeCache.txt를 실행하고 cmake를 다시 실행하십시오.

컴파일 실패 참고

make에서 이 오류가 발생하면:

/home/gaoliqing/lhb/warp-transducer-master/src/rnnt_entrypoint.cu(1): error: this declaration has no storage class or type specifier

/home/gaoliqing/lhb/warp-transducer-master/src/rnnt_entrypoint.cu(1): error: expected a ";"

2 errors detected in the compilation of "/tmp/tmpxft_000014f2_00000000-13_rnnt_entrypoint.compute_70.cpp1.ii".
CMake Error at warprnnt_generated_rnnt_entrypoint.cu.o.cmake:266 (message):
Error generating file
/home/gaoliqing/lhb/warp-transducer-master/build/CMakeFiles/warprnnt.dir/src/./warprnnt_generated_rnnt_entrypoint.cu.o

CMakeFiles/warprnnt.dir/build.make:192: recipe for target 'CMakeFiles/warprnnt.dir/src/warprnnt_generated_rnnt_entrypoint.cu.o' failed
make[2]: *** [CMakeFiles/warprnnt.dir/src/warprnnt_generated_rnnt_entrypoint.cu.o] Error 1
CMakeFiles/Makefile2:141: recipe for target 'CMakeFiles/warprnnt.dir/all' failed
make[1]: *** [CMakeFiles/warprnnt.dir/all] Error 2
Makefile:127: recipe for target 'all' failed
make: *** [all] Error 2

해결 방법: warp-tranducer-master/src/rnnt_entrypoint.cu 파일을 찾으면 파일을 열면 코드 한 줄만 발견됩니다: rnnt_entrypoint.cpp.이 코드를 삭제하고 wrap-transducer-master/src/rnnt_entrypoint.cpp의 내용을 warp-transducer-master/src/rnnt_entrypoint.cu에 복사한 다음 다시 make를 통과하면 됩니다.

warprnnt-pytorch

warp-transducer는 warpRNNT 라이브러리를 포장한pytorch 핵을 제공합니다.

설치하다.

먼저 Warp-transducer를 컴파일한 다음pytorch 환경을 설치해야 합니다.인터넷에pytorch를 설치하는 많은 강좌가 있는데, 여기에는 설명을 하지 않겠습니다.
만약 GPU가 있다면 CUDA_HOME가 설치되었는지 확인해야 한다. 아래와 같다.

export CUDA_HOME="/usr/local/cuda"

"/usr/local/cuda"는 CUDA의 경로입니다. 자신의 경로를 바꾸십시오.
지금부터 설치를 시작합니다: (pytorch 환경에서 설치하는 것을 추천하고 anaconda를 사용하여pytorch 환경을 만드는 것을 추천합니다)

cd pytorch_binding
python setup.py install

그리고 터미널에서 설치에 성공한 정보를 출력합니다.(저는 anaconda가 만든pytorch 환경에서 설치했습니다. 시스템은 가방을 직접 출력anaconda3/envs/pyEnv/lib/python3.7/site-packages하면 바로 사용할 수 있습니다)

설치 오류 주의

프롬프트cuda.h, cuda_runtime.h 등을 찾을 수 없으면 우선 CUDA_HOME가 설치되어 있는지 확인합니다.설정되었지만 다음 오류가 있는 경우 다음 명령을 실행합니다.

vim ~/.bashrc

bashrc에 쓰기:

export CPLUS_INCLUDE_PATH=$CPLUS_INCLUDE_PATH:/opt/software/cuda/cuda-10.0/include
export C_INCLUDE_PATH=$C_INCLUDE_PATH:/opt/software/cuda/cuda-10.0/include

/opt/software/cuda/cuda-10.0/include는 cuda.h가 있는 경로입니다. 자신의 경로로 바꾸십시오.
저장 종료, 실행

source  ~/.bashrc

변경 사항을 적용하면 다시 설치할 수 있습니다.