add_arg('batch_size', int, 64, '训练的批量大小')
add_arg('num_workers', int, 32, '读取数据的线程数量')
add_arg('num_epoch', int, 65, '训练的轮数')
add_arg('learning_rate', int, 5e-5, '初始学习率的大小')
add_arg('min_duration', int, 0.5, '过滤最短的音频长度')
add_arg('max_duration', int, 30, '过滤最长的音频长度,当为-1的时候不限制长度')
add_arg('alpha', float, 2.2, '集束搜索的LM系数')
add_arg('beta', float, 4.3, '集束搜索的WC系数')
add_arg('beam_size', int, 300, '集束搜索的大小,范围:[5, 500]')
add_arg('num_proc_bsearch', int, 10, '集束搜索方法使用CPU数量')
add_arg('cutoff_prob', float, 0.99, '剪枝的概率')
add_arg('cutoff_top_n', int, 40, '剪枝的最大值')
add_arg('use_model', str, 'deepspeech2', '所使用的模型')
add_arg('train_manifest', str, 'dataset/manifest.train', '训练数据的数据列表路径')
add_arg('test_manifest', str, 'dataset/manifest.test', '测试数据的数据列表路径')
add_arg('dataset_vocab', str, 'dataset/vocabulary.txt', '数据字典的路径')
add_arg('mean_std_path', str, 'dataset/mean_std.npz', '数据集的均值和标准值的npy文件路径')
add_arg('augment_conf_path',str, 'conf/augmentation.json', '数据增强的配置文件,为json格式')
add_arg('save_model_path', str, 'models/', '模型保存的路径')
add_arg('decoder', str, 'ctc_greedy', '结果解码方法', choices=['ctc_beam_search', 'ctc_greedy'])
add_arg('lang_model_path', str, 'lm/zh_giga.no_cna_cmn.prune01244.klm', "语言模型文件路径")
add_arg('resume_model', str, None, '恢复训练,当为None则不使用预训练模型')
add_arg('pretrained_model', str, None, '预训练模型的路径,当为None则不使用预训练模型')