fast-wavenet

收录理由

如果你在构建基于因果膨胀卷积的自回归模型，尤其是做WaveNet风格的语音合成，这个仓库提供了一种很实在的加速逐样本生成的办法。朴素实现每生成一个样本都要重新计算一棵不断膨胀的卷积二叉树，复杂度是O(2^L)；而这里通过缓存冗余计算，把单步生成降到O(L)。作者把算法讲得很清楚，你完全可以照着在自己项目里重新实现，还附带了可运行的TensorFlow示例和计时实验，能直观看到什么时候加速真正划算——因为在小模型上，GPU并行反而可能让朴素实现更快。这是一份研究代码，不是打包好的产品，更适合当作参考实现和工程指南来用。这个思路也不限于音频，凡是需要在流式数据上快速跑因果膨胀卷积的场景，它都能派上用场。