Training with multiple optimizers is only supported with manual optimization.

[Janeliao-C]

您好！

我对您的工作很感兴趣，但在运行您的代码时遇到了如下错误：Training with multiple optimizers is only supported with manual optimization. Remove the optimizer_idx argument from training_step, set self.automatic_optimization = False and access your optimizers in training_step with opt1, opt2, ... = self.optimizers().

原来的代码中已经是self.automatic_optimization = False，我检查了虚拟环境中python版本为3.10.14， pytorch==2.5.1+cu118， pytorch_lightning==2.1.3。我不清楚大概哪里会出问题？期待您的回复

[Janeliao-C]

已经解决啦，
def training_step(self, batch, batch_idx, optimizer_idx=None): 中要把 optimizer_idx=None删掉，否则pytorch_lightning会因为这个签名的存在认为启动了自动优化

[hyyan2k]

好的，这应该是pytorch_lightning版本不同导致的问题。

[Janeliao-C]

好的，这应该是pytorch_lightning版本不同导致的问题。

作者您好，使用您的源码我成功地在VCTK+Demand数据集复现了结果，尽管客观指标pesq能达到预期值，但我在测试集上观察到的我输出的语谱在谐波间有很明显的能量扩散，下图是一个示例（p232_035的增强结果）。您给出的样本就没有这样的现象，我想问在输出时除了est = est / (np.max(np.abs(est)) + 1e-5)您还做过别的后处理吗？

[hyyan2k]

好的，这应该是pytorch_lightning版本不同导致的问题。

作者您好，使用您的源码我成功地在VCTK+Demand数据集复现了结果，尽管客观指标pesq能达到预期值，但我在测试集上观察到的我输出的语谱在谐波间有很明显的能量扩散，下图是一个示例（p232_035的增强结果）。您给出的样本就没有这样的现象，我想问在输出时除了est = est / (np.max(np.abs(est)) + 1e-5)您还做过别的后处理吗？

我们并没有使用其他的后处理策略，有可能是训练导致的差异，针对这个现象可以考虑deepfilter模型中的postfilter策略。