服务器上已开启安装了kaldi工具的docker容器，开启方法见上一篇博客。
说话人识别的例程用的是aishell提供的数据集，这里我的数据集已经下载到服务器了，所以后面我会再运行脚本里去掉下载数据集的命令。
1、容器开启的方法：
在上一篇博客的基础上用以下命令开启
docker run --runtime=nvidia --name [指定一个用于与其它容器区分的name] -it -v /home/ctyun:/home/ctyun [image名称kaldi]
2、去掉下载数据集命令
在……kaldi/egs/aishell/v1路径下
编辑run.sh脚本，注释下载数据集部分，并把data路径改成服务器上已有数据集的路径。
然后运行程序执行./run.sh
3、报错
queue.pl: error submitting jobs to queue (return status was 32512)
解决办法：
编辑cmd.sh，
将命令：export train_cmd="queue.pl --mem 4G"
改为->export train_cmd="run.pl --mem 4G"
4、运行失败后需要重新运行报错说什么id不匹配的问题
删掉上一次运行生成的文件：
……kaldi/egs/aishell/v1路径下的data exp mfcc文件
5、查找文件或文件夹的命令
在当前文件夹下查找：
find . -name “文件或文件夹名称”
根目录下查找：
find / -name “文件或文件夹名称”
６、运行程序时加上nohup以保存运行log
运行命令：
nohup ./run.sh &
(& 指定后台运行)
实时刷新查看运行时保存的log：
tailf nohup.out
7、训练一段时间后报错：
run.pl: job failed, log is in exp/extractor_1024/log/acc.0.10.log
run.pl: job failed, log is in exp/extractor_1024/log/acc.0.1.log
run.pl: job failed, log is in exp/extractor_1024/log/acc.0.4.log
…………
原因：内存不够
解决办法：修改run.sh里指定同时开启的进程数
train ivector部分
将sid/train_ivector_extractor.sh --cmd "$train_cmd --mem 10G" \
改为->sid/train_ivector_extractor.sh --nj 5 --num-threads 10 --cmd "$train_cmd" \
8、新终端下可以用top命令实时查询内存占用