竞赛资料源码-2020之江杯全球人工智能大赛，语音鉴伪挑战赛TOP3方案.zip

# Audio-authenticity 2020之江杯全球人工智能大赛，语音鉴伪挑战赛TOP3方案  运行环境 Linux版本： Linux fuxilabor_labor0_S4_Odps_S96_dsw_prepaid_cnsh_891_2020100812331 4.9.65 #5 SMP Fri Mar 30 15:59:08 CST 2018 x86_64 x86_64 x86_64 GNU/Linux Python版本： Python 3.6.4 |Anaconda, Inc.| (default, Jan 16 2018, 18:10:19) [GCC 7.2.0] on linux GPU： +-----------------------------------------------------------------------------+ | NVIDIA-SMI 410.48 Driver Version: 410.48 | |-------------------------------+----------------------+----------------------+ | GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC | | Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. | |===============================+===================| CUDA版本： nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2018 NVIDIA Corporation Built on Sat_Aug_25_21:08:01_CDT_2018 Cuda compilation tools, release 10.0, V10.0.130 CUDNN版本： #define CUDNN_MAJOR 7 #define CUDNN_MINOR 6 #define CUDNN_PATCHLEVEL 3 #define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL) #include "driver_types.h" 依赖包： torch 1.4.0+cu100 torchtext 0.6.0 torchvision 0.5.0 six 1.11.0 scikit-learn 0.23.2 librosa 0.7.2 python-speech-features 0.6 joblib 0.13.2 模型训练预测： 1、先运行python mian.py --ACTTION=feature生成特征，特征存放于user_dara/feature文件夹中 2、运行python mian.py --ACTTION=train，训练模型，训练完成后会在user_data目录下生成best_acc.txt文档记录了交叉验证后最好的5个模型编号 3、再运行python mian.py --ACTTION=train，输出预测结果 4、mian.py中的已固定随机因子，理论上在相同环境下可完美复现，随机因子固定如下 seed = 2020 np.random.seed(seed) torch.manual_seed(seed)#为CPU设置随机种子 torch.cuda.manual_seed_all(seed)#为所有GPU设置随机种子 torch.cuda.manual_seed(seed) torch.backends.cudnn.deterministic =True