Applio项目中模型训练文件的保存机制解析

在Applio项目中，模型训练完成后文件的保存方式与传统的RVC项目有所不同。本文将详细解释Applio项目中训练文件的保存机制，帮助用户理解如何找到和使用训练好的模型文件。

模型文件的保存格式

Applio项目采用了一种基于训练进度命名的模型保存方式。与RVC项目中直接保存为模型名.pth不同，Applio会在训练过程中按照设定的间隔保存多个模型快照。这些快照文件命名格式为：

模型名_训练轮数e_训练秒数s.pth

例如：

• WTVZoran_50e_550s.pth
• WTVZoran_100e_1100s.pth
• WTVZoran_150e_1650s.pth
• WTVZoran_200e_2200s.pth

模型选择策略

由于Applio保存了多个训练阶段的模型快照，用户需要根据实际需求选择最适合的模型版本。选择时可以考虑以下因素：

1. 训练轮数：通常训练轮数越多，模型性能越好，但也可能出现过拟合
2. 验证集表现：通过TensorBoard查看各轮次在验证集上的表现
3. 训练时间：根据实际应用场景对训练时间的需求

其他相关文件说明

除了模型文件外，训练目录中还包含多个重要文件：

• D_.pth和G_.pth：分别代表判别器(Discriminator)和生成器(Generator)的中间状态文件
• config.json：模型训练配置参数
• model_info.json：模型相关信息
• added_*.index：索引文件
• eval目录：包含评估相关数据
• f0相关目录：包含基频提取相关数据

最佳实践建议

1. 定期监控训练过程，通过TensorBoard评估模型性能
2. 根据验证集表现选择最优模型轮次
3. 对于生产环境，建议选择验证集表现最好的模型版本
4. 保留多个轮次的模型，以便后续可以进行模型融合或回退

Applio的这种保存机制为用户提供了更大的灵活性，可以基于不同训练阶段的模型进行实验和比较，最终选择最适合实际应用场景的模型版本。