kaldi-asr/kaldi

Update single job scripts like utils/data/get_utt2dur.sh, steps/compute_cmvn_stats.sh to use multiple jobs

Open

#984 opened on 2016年8月20日

GitHub で見る
 (6 comments) (0 reactions) (0 assignees)Shell (15,392 stars) (5,359 forks)batch import
enhancementhelp wantedstale

説明

In the large data recipes in Kaldi many single job scripts in steps/* and utils/*, which were very fast for normal sized LVCSR tasks, consume several hours. e.g. on fisher_swbd/aspire the utils/data/get_utt2dur.sh script runs for a few hours.

We need to update these scripts to add parallelization support.

Required skill: shell scripting

コントリビューターガイド

技術スタック
shell
領域
dataperformance
Issue 種別
performance
難度新しい貢献者にとっての実装難度です。1 は非常に小さな変更、5 は専門的な作業です。
3
推定時間経験ある貢献者が調査、実装、テスト、pull request 準備にかけるおおよその時間範囲です。
1-2 days
活動状況Issue が今どれだけ取り組みやすいかを示します。新しい、活発、古い、ブロック中、またはメンテナー入力待ちなどです。
stale
明確さ期待される変更、受け入れ条件、次の手順がどれだけ明確かを示します。
clear
前提条件
shell scriptingparallelization experience
初心者向け度初回貢献者にどれだけ取り組みやすいかを 1-100 で推定したスコアです。
45
調査方針
First, examine existing single job scripts like utils/data/get utt2dur.sh and steps/compute cmvn stats.sh to understand their current structure. Then, look at how Kaldi already implements parallel jobs in other scripts (e.g., using utils/run.pl or utils/parallel.pl). The goal is to modify these scripts to split work across multiple jobs while maintaining correctness. Finally, test with large datasets to verify performance improvement and ensure no regression. Since the issue is from 2016, check if any partial work exists in the repository or related forks.