![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 66
davidullua
前华为人,ATM架构师,日常开发经验分享,互联网架构分享
展开
-
pip install kenlm 报错 ‘PyThreadState‘ {aka ‘struct _ts’} has no member named ‘exc_type’
Debian 上面 pip 安装 kenlm 的报错 PyThreadState 的成员找不到原创 2022-09-04 23:27:46 · 845 阅读 · 0 评论 -
语音处理/语音识别基础(三)- 声音的特征和声音的能量
前面分享了声音是什么,声音是如何产生,如何传播,以及如何数字化存储的。现在我们来看一下声音有哪些主要的特征(对于人来说),以及常说的声音的能量指的是什么。 本文尝试回答如下问题:1).对于人来说, 声音有哪些主要的特征,会影响人的感知?2).男人和女人,成人和儿童的声音听起来有差异,主要是什么特征起的作用?3).不同乐器听起来有一差异,一听就能判断是什么乐器,主要是什么特征起的作用?4).常常听说的声音的能量指的是什么?5).如何可视化一段音频?当我们在分析声音时,通常以「短时距原创 2022-02-12 17:56:09 · 6759 阅读 · 0 评论 -
OpenFST 示例 & Mac 编译安装 - 需要 Python >= 2.1.0 的错误消息处理
Openfst 广泛应用于语音识别,语音合成,机器翻译,手写文字识别,模式识别,字符串处理,机器学习,信息提取和检索等等领域。原创 2021-11-23 13:52:32 · 2899 阅读 · 4 评论 -
深度学习代码实践(六)- 使用神经网络来逼近任意函数
问题提出在前面 “深度学习代码实践(四)- 从0搭建一个神经网络:感知机与激活函数”的博文分享中,提到,神经网络的本质是:通过参数与激活函数来拟合特征与目标之间的真实函数关系。单层网络只能做线性分类任务,两层神经网络可以无限逼近任意连续函数。这里提到的“用两层神经网络可以无限逼近任意连续函数”。 那么神经网络是不是真的能够逼近任何函数。 我用 Tensorflow 做了一个实验, 以一个已知函数 z = x^2 + y*2 的 80000个随机的 (x,y) 点作为输入,计算得到函数的 z 值.原创 2021-11-07 18:47:02 · 5009 阅读 · 0 评论 -
深度学习代码实践(五)- 从0搭建一个神经网络:从多元方程到梯度下降反向求导
回到多元方程的求解方法对于构建一个神经网络来说,需要求出每一个神经元的参数。每一层都有线性变换,加上非线性变换组成。 神经网络的求解变成一个多元方程的求解问题。图:要求解的线性函数变换(单层) y1 = x1w11 + x2w21+ ... + xnwn1 + b1 y2 = x1w12 + x2w22 + ... + xnwn2 + b2 y3= x1w13 + x2w23 + ... + xnwn3...原创 2021-11-07 17:29:01 · 2258 阅读 · 0 评论 -
深度学习代码实践(四)- 从0搭建一个神经网络:感知机与激活函数
参加过多次的神经网络的分享,都没弄明白为什么神经网络能够工作,怎么样理解神经网络可以工作?往往会得到这些答案:神经网络很难解释为什么能够工作。不用管他为什么能够工作,只要知道怎么用就好了。到现在为止,还不能很好地解释神经网络为什么能够工作。神经网络要解的根本问题对于输入的多个变量(成百上千,甚至上万个变量),经过多次的函数变换,得到最终解。机器学习的方法,通过人工找到样本的特征,建立模型进行预测。而神经网络是自动找到样本的特征,建立模型进行预测。典型的原创 2021-11-07 16:48:16 · 784 阅读 · 0 评论 -
深度学习代码实践(三)5行代码创建手写数字体识别的Tensorflow模型
场景:对包含单个数字的图片进行识别,识别出图片中的数字训练数据: 采用 mnist 数据集中的 60000张灰度图像(每个像素值范围:0-255),每张图像用一个 28x28 像素的矩阵表示,以及每张图像表示的是 0-9 中的哪一个数字。输入:一个 28x28 像素的灰度图像 (目标:对输入的这个图片进行数字识别)输出:0-9 的数字 (识别出来的数字)模型训练的代码实现:以下代码先加载 mnist 的图片数据集,然后构建模型进行训练,评估模型,图形化展示训练集和测试集的损失和准确度原创 2021-11-07 16:05:50 · 629 阅读 · 0 评论 -
深度学习代码实践(二)- Mac M1 环境搭建
截止到 2021 年下半年, 推荐使用 Apple 官方的 tensorflow-meta 的插件来启用 Tensorflow 在 Mac M1(包括 M1 Pro, M1 Max)上面的GPU加速。以下介绍完整的深度学习开发环境的搭建过程。参考 apple 官方文档:Tensorflow Plugin - Metal - Apple Developer1.安装 pyenv 虚拟环境管理包首先,推荐使用 pyenv 来安装专用的虚拟环境,以固定使用一个特定的Python版本,避免.原创 2021-10-28 01:01:16 · 1389 阅读 · 0 评论 -
深度学习代码实践(一)- GPU 推荐
时间已经到了2021年,如果还有人问,推荐什么笔记本或者工作站用作深度学习的开发环境,兼作日常开发的网络训练,无疑 Mac M1 是首选。携带方便,价格比起深度学习工作站不高,且系统易于使用。2020年苹果推出了自产的 Mac M1 芯片,自带性能强悍的 GPU,刚出来的时候不支持 Tensorflow 等深度学习框架使用 GPU进行加速。 很快苹果推出了 M1 的 GPU 加速支持。2020 年的Mac M1, 性能相当于GTX1650。 2021年10月刚出来的 M1 Pro 比 Mac M1原创 2021-10-28 00:34:34 · 1101 阅读 · 0 评论 -
cv2.error: OpenCV(4.5.2) 出错: loadsave.cpp:721: error: (-215:Assertion failed) !_img.empty() in funct
在运行PixelLib 官方示例的时候, 出现这个错误: File "/usr/local/lib/python3.9/site-packages/pixellib/instance/__init__.py", line 260, in segmentImage cv2.imwrite(save_path, extracted_objects)cv2.error: OpenCV(4.5.2) /private/var/folders/24/8k48jl6d249_n_qfxwsl6xvm...原创 2021-09-28 13:26:25 · 1693 阅读 · 0 评论 -
tensorflow 2.6.0 requires typing-extensions~=3.7.4, but you have typing-extensions 3.10.0.2 的修复
pip3 install pixellib 的时候遇到这个错误:ERROR: pip's dependency resolver does not currently take into account all the packages that are installed. This behaviour is the source of the following dependency conflicts.tensorflow 2.6.0 requires typing-extensions~=3.原创 2021-09-28 13:21:17 · 9414 阅读 · 4 评论