根据教程生成了1000+小时的数据用于训练，复现FRCRN模型的效果差距非常大，不知道问题在哪？

训练的模型FRCRN/checkpoint/output下的评估结果如下：

{"total_loss": 214.77833557128906, "avg_sisnr": 19.650760650634766, "avg_loss": 107.38919067382812}

我用一段含有噪声音频的测试，发现模型根本没有去噪功能，仅仅幅度变大了，而且我用下面这段代码再评估模型，avg_sisnr竟然是负数。

import os
import tempfile

from modelscope.metainfo import Trainers
from modelscope.msdatasets import MsDataset
from modelscope.trainers import build_trainer
from modelscope.utils.audio.audio_utils import to_segment

tmp_dir = tempfile.TemporaryDirectory().name
if not os.path.exists(tmp_dir):
    os.makedirs(tmp_dir)

hf_ds = MsDataset.load(
    'ICASSP_2021_DNS_Challenge', split='test').to_hf_dataset()
mapped_ds = hf_ds.map(
    to_segment,
    remove_columns=['duration'],
    # num_proc=5, # Comment this line to avoid error in Jupyter notebook
    batched=True,
    batch_size=36)
dataset = MsDataset.from_hf_dataset(mapped_ds)
kwargs = dict(
    model='damo/speech_frcrn_ans_cirm_16k',
    model_revision='beta',
    train_dataset=None,
    eval_dataset=dataset,
    val_iters_per_epoch=125,
    work_dir=tmp_dir)

trainer = build_trainer(
    Trainers.speech_frcrn_ans_cirm_16k, default_args=kwargs)

eval_res = trainer.evaluate()
print(eval_res['avg_sisnr'])

数据量不少，超参数没变，出来的模型不至于会那么差吧。