懒人手机网站,家装网站建设,海外广告投放公司,菏泽注册公司流程和费用我在windows 环境下本地运行whisper 模型#xff0c;使用的是nivdia RTX4070 显卡#xff0c;结果发现GPU 的利用率只有2% 。使用
import torch
print(torch.cuda.is_available())
返回TRUE。表示我的cuda 是可用的。
最后在github 的下列网页上找到了问题
极低的 GPU 利… 我在windows 环境下本地运行whisper 模型使用的是nivdia RTX4070 显卡结果发现GPU 的利用率只有2% 。使用
import torch
print(torch.cuda.is_available())
返回TRUE。表示我的cuda 是可用的。
最后在github 的下列网页上找到了问题
极低的 GPU 利用率 #140
最关键的是
1 .运行之前清除GPU 缓存
torch.cuda.empty_cache() 2 使用小的whisper 模型我使用
model load_model(base).to(cuda)
3 最关键的是 在model.transcribe的参数中设置 beam_size 5一下子GPU 的利用率到了20%当beam_size 8 时GPU 利用率可达30%左右。
model.transcribe(arr,languageen, promptprompt,fp16 False,beam_size 8,verbose True,condition_on_previous_text False)[text]
下面是我完整的测试程序
import os
import sys
import os.path
import openai
#from dotenv import load_dotenv
import torch
#import whisper
from whisper import load_model
import numpy as np
#from pyannote.audio import Pipeline
from pydub import AudioSegment
#os.environ[OPENAI_API_KEY] sk-ZqGx7uD7sHMyITyIrxFDjbvVEAi84izUGGRwN23N9NbnqTbL
#os.environ[OPENAI_BASE_URL] https://api.chatanywhere.tech/v1
print(torch.cuda.is_available())
torch.cuda.empty_cache()
model load_model(base).to(cuda)
audio AudioSegment.from_mp3(daily.mp3) #sys.argv[1]segment_length 25 * 60
duration audio.duration_seconds
print(Segment length: %d seconds % segment_length)
print(Duration: %d seconds % duration)segment_filename os.path.basename(daily.mp3) #sys.argv[1]
segment_filename os.path.splitext(segment_filename)[0]
number_of_segments int(duration / segment_length)
segment_start 0
segment_end segment_length * 1000
enumerate 1
prompt for i in range(number_of_segments):audio_segment audio[segment_start:segment_end]exported_file ./tmp/ segment_filename - str(enumerate) .mp3audio_segment.export(exported_file, formatmp3)print(Exported segment %d of %d % (enumerate, number_of_segments))#f open(exported_file, rb)#audio_segment audio[segment_start:segment_end]if audio_segment.frame_rate ! 16000: # 16 kHzaudio_segment audio_segment.set_frame_rate(16000)if audio_segment.sample_width ! 2: # int16audio_segment audio_segment.set_sample_width(2)if audio_segment.channels ! 1: # monoaudio_segment audio_segment.set_channels(1) arr np.array(audio_segment.get_array_of_samples())arr arr.astype(np.float32)/32768.0#beam_size 5非常重要8 GPU 利用率30%左右data model.transcribe(arr,languageen, promptprompt,fp16 False,beam_size 8,verbose True,condition_on_previous_text False)[text]print(Transcribed segment %d of %d % (enumerate, number_of_segments))f open(os.path.join(./transcripts/, segment_filename .txt), a)f.write(data)f.close()prompt datasegment_start segment_length * 1000segment_end segment_length * 1000enumerate 1beam_size到底是什么意思我并没有搞清楚
beam size又名 beam width控制生成输出时每个步骤中探索的路径数。这是个啥呀
