给我一份epsnet的conformer 数据增广的参数

EPSNet使用的是Conformer模型，因此可以使用与前面提到的Conformer模型相同的数据增广方法。以下是一些可能有用的参数：

- `spec_augment`: 这个参数可以用于对输入的声谱图进行增广，包括时间和频率的随机掩蔽。可以使用以下代码启用这个参数：

  from conformer import Conformer
  
  model = Conformer(
      dim = 512,
      num_heads = 8,
      ff_mult = 4,
      input_dim = 80,
      num_classes = 10,
      spec_augment=True,  # 启用spec_augment
      mask_time_prob=0.05,  # 时间掩蔽的概率
      mask_time_length=10,  # 时间掩蔽的长度
      mask_feature_prob=0.05,  # 频率掩蔽的概率
      mask_feature_length=5  # 频率掩蔽的长度
  )

- `speed_up`: 这个参数可以用于对输入的声音进行速度调整。可以使用以下代码启用这个参数：

  from conformer import Conformer
  
  model = Conformer(
      dim = 512,
      num_heads = 8,
      ff_mult = 4,
      input_dim = 80,
      num_classes = 10,
      speed_up=True,  # 启用speed_up
      resampling_rate=2  # 速度调整的倍数
  )

- `pitch_shift`: 这个参数可以用于对输入的声音进行音高调整。可以使用以下代码启用这个参数：

  from conformer import Conformer
  
  model = Conformer(
      dim = 512,
      num_heads = 8,
      ff_mult = 4,
      input_dim = 80,
      num_classes = 10,
      pitch_shift=True,  # 启用pitch_shift
      pitch_shift_steps=4  # 音高调整的步数
  )

需要注意的是，EPSNet还使用了其他一些数据增广技术，例如随机裁剪、随机缩放等。你可以在EPSNet的论文中找到更多关于数据增广的细节。