其实在开始训练之前，我就知道我的数据集有很大问题。下载的歌曲去除音乐后还有很明显的混响，这和我在uvr5里只完成一道工序或许有关，混响不知道Au能否处理，不想去学了，因为歌曲质量本身就较低，怕花大力气还是得不到更好的效果，就先跑一下看是什么情况，也算是积累经验。
惊喜的是，跑到八千步的时候在Tensorboard里面听其中一个就已经接近于原数据了（另一个始终差很多），但推理效果不行，有很大噪音，咬字也不准，回头听了数据集里的几个原音，发现里面很多字因为处理音乐而受损，数据比我想的更糟糕，数据集如此，可想而知继续跑也不会有太大的进展，所以这一炉我跑到了一万三千步停了，准备下一炉。虽然一开始花了不少时间处理音乐，但第一次嘛，走点弯路也正常。
纠正昨天关于训练时间的推测，之前听说要二三十个小时，也不能说错，不过跑到一万多步其实也就三个多小时，那算起来跑到两三万步也就七八小时，和数据集数量有关，和电脑配置关系更大，不过也看到有人居然跑了七八万步，那确实要好久好久了。
这一炉我重新录音来搞，手边有本意林，随翻随读，读了一个小时……
之后的工作就简单了，听着效果还好，直接切片，进炉。
清晰的数据集果然效果好多了，跑到六千多步的时候在Tensorboard里面已经接近原声，但就是reference loss最好的值也有30，二十几一次都没有。推理试试，还是不太理想，不过感觉上可以继续跑，因为对这套数据整体比较满意，谨慎起见，我打算把数据优化一下，再重新跑一次！
当时读的时候有好几次读错字，有几个平卷舌没读准，我之前是觉得少数几次对比四百多的数据应该影响不大，不过在听Tensorboard声音对比就知道自己想错了，数据在精不在多，有问题的应该剔除，不然会影响整个训练效果。
所以我忍痛清零了，把明显有问题的十几条删掉，应该还有不完美的，没耐心听完了~
重新开始训练。这一次，志在必得。目前跑到一万步，中途曾有过reference loss值28的时候，效果还可以，但还想要更加理想，据说是要跑到十几才是优质，这个数据集可能做不到，有二十几也还行啦。
总结：有了几次经验后发现，曾经以为挺烦锁的操作其实很简单，一两次就熟悉流程了，唯一就是有点心疼显卡呀，滚烫滚烫的。
有兴趣也想炼个丹的同学可以找我做向导啦，全程免费手把手教，绝不会把你带沟里嘿嘿~
第二次录音是在这个平台上，上次提到的vocalremover，真的是宝藏啦，再推荐一次~