在 README.md 中生成项目目录结构

博文参考原文链接地址:https://www.jianshu.com/p/4198c8a2ea8b


  1. 进入需要生成目录结构的文件夹,将路径替换为"cmd"并回车

  2. 输入命令: tree /f > list.txt

  3. 在当前文件夹下找到名为 list.txt 的文件

  4. 打开文件即可预览文件目录结构
    在这里插入图片描述

  5. 将目录层级复制到README.md文件中【开头加上```和.】
    在这里插入图片描述

  6. README.md 文件效果预览
    在这里插入图片描述

  • 2
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
【资源介绍】 创建python虚拟环境 在linux 和macos 上验证通过 ``` # 如果已经有pyhon3.6 环境,跳过该步骤,使用现有环境也可以 virtualenv ~/env/asr_abc --python=python3.8 . ~/env/asr_abc/bin/activate ``` ## 安装本项目 ``` python setup.py install or pip install . ``` ## 识别wav音频 Note: 输入音频采样率必须是16k,如果待识别音频不是16k,可以采用以下命令重采样为16k. ``` ffmpeg -i ks1_48k.acc -ar 16000 ks1_16k.wav ``` ``` python decode.py # 或debug 模式 python decode.py -d #预期输出: 2021-12-24 17:08:31,736 INFO [decode.py:91] All files seem exist. 2021-12-24 17:08:31,736 INFO [decode.py:96] Start loading model. 2021-12-24 17:08:41,321 INFO [decode.py:113] Start loading dict. 2021-12-24 17:08:41,336 INFO [decode.py:119] Start recognize data/wavs/BAC009S0764W0143.wav. 2021-12-24 17:08:41,527 INFO [decode.py:134] Result: 在市场整体从高速增长进入高速增长区间的同时 2021-12-24 17:08:41,527 INFO [decode.py:135] done. # 也可以指定输入音频 python decode.py --input-wav=data/wavs/ks1_16k.wav 或者 python decode.py -i=data/wavs/ks1_16k.wav # ks is short for "Kantanzhe Song" # 预期输出: 2021-12-27 19:16:02,911 INFO [decode.py:91] All files seem exist. 2021-12-27 19:16:02,911 INFO [decode.py:96] Start loading model. 2021-12-27 19:16:08,405 INFO [decode.py:113] Start loading dict. 2021-12-27 19:16:08,409 INFO [decode.py:119] Start recognize data/wavs/ks1_16k.wav. 2021-12-27 19:16:08,449 INFO [decode.py:137] Result: 我们有火焰般的热情 2021-12-27 19:16:08,450 INFO [decode.py:138] done. 对于访问下载源1有困难或者访问速度过慢的同学,可以手动从百度网盘下载. 下载完毕后按以下文件结构放置下载所得的"tokens.txt"和"conformer_encoder.pt"两个文件: ``` . |-- README.md |-- build | `-- bdist.linux-x86_64 |-- conformer.py |-- data | |-- lang_char | | |-- tokens.txt | `-- wavs | |-- BAC009S0764W0143.wav | |-- README.md | `-- transcript |-- decode.py |-- exp | `-- conformer_encoder.pt |-- requirements.txt |-- setup.py `-- utils.py ``` ``` 【备注】 该项目是个人毕设/课设/大作业项目,代码都经过严格调试测试,功能ok才上传,可快速上手运行!欢迎下载使用,若遇到问题请及时私信沟通,帮助解决。 该资源主要针对计算机、通信、人工智能、自动化等相关专业的学生、老师或从业者下载使用,可直接作为期末课程设计、课程大作业、毕业设计等。 项目整体具有较高的学习借鉴价值!基础还可以,动手能力强的也可做二次开发,以实现不同的功能。 欢迎下载使用,也欢迎交流学习!
【资源说明】 基于对抗生成网络GAN生成奖杯图像python源码+项目说明(图像处理大作业).zip 准备工作 1. 按照项目说明.md, 进行配置 2. 下载数据集,文件夹改名为raw_data,路径为data/raw_data/pos和data/raw_data/pos 3. 执行prepare.py进行数据的预处理,raw2jpg()将原始图像统一为RGB格式,jpg2tensor()将jpg转成tensor格式,并保证图片tensor大小[3, H, W]为三通道 4. 以cgan.py为例,我用data/cup_plus/dataset.py里的Cup类定义了奖杯数据集,人工指定了label,可参照该格式进行改写 5. 其他操作详见README.md,需要注意的是我改了项目结构,这是为了能顺利导入Cup类 关于cup_plus 1. pos类去除了奇形怪状的,黑色背景的,歪的,非居的,重复的奖杯(高质量) 2. 图像分辨率较高,需要选择合适的预处理,改进网络结构(高分辨率) 傻瓜式 1. 下数据集, 名字改成raw_data 2. 预处理 自己电脑的内存不够,因此对数据集做一个resize,顺便统一下分辨率 ``` python cd data/cup_plus python3 prepare.py cd ../../ ``` 1. 训练 ``` python python3 wgan.py ``` 【备注】 1.项目代码均经过功能验证ok,确保稳定可靠运行。欢迎下载使用体验! 2.主要针对各个计算机相关专业,包括计算机科学、信息安全、数据科学与大数据技术、人工智能、通信、物联网等领域的在校学生、专业教师、企业员工。 3.项目具有丰富的拓展空间,不仅可作为入门进阶,也可直接作为毕设、课程设计、大作业、初期项目立项演示等用途。 4.当然也鼓励大家基于此进行二次开发。在使用过程,如有问题或建议,请及时沟通。 5.期待你能在项目找到乐趣和灵感,也欢迎你的分享和反馈!

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值