2019年02月_夜雨飘零1

11月 07月 04月 03月 02月 01月

原创《PaddlePaddle从入门到炼丹》十五——把预测模型部署到Android手机上

现在越来越多的手机要使用到深度学习了，比如一些图像分类，目标检测，风格迁移等等，之前都是把数据提交给服务器完成的。但是提交给服务器有几点不好，首先是速度问题，图片上传到服务器需要时间，客户端接收结果也需要时间，这一来回就占用了一大半的时间，会使得整体的预测速度都变慢了，再且现在手机的性能不断提高，足以做深度学习的预测。

2019-02-23 21:38:16 6230 22

原创《PaddlePaddle从入门到炼丹》十四——把预测模型部署在服务器

如果读者使用过百度等的一些图像识别的接口，比如百度的细粒度图像识别接口，应该了解这个过程，省略其他的安全方面的考虑。这个接口大体的流程是，我们把图像上传到百度的网站上，然后服务器把这些图像转换成功矢量数据，最后就是拿这些数据传给深度学习的预测接口，比如是PaddlePaddle的预测接口，获取到预测结果，返回给客户端。

2019-02-23 18:40:56 4375 11

原创《PaddlePaddle从入门到炼丹》十三——自定义图像数生成

我们在第六章介绍了生成对抗网络，并使用生成对抗网络训练mnist数据集，生成手写数字图片。那么本章我们将使用对抗生成网络训练我们自己的图片数据集，并生成图片。在第六章中我们使用的黑白的单通道图片，在这一章中，我们使用的是3通道的彩色图。

2019-02-23 18:22:34 2134 5

原创《PaddlePaddle从入门到炼丹》十二——自定义文本数据集分类

我们在第五章学习了循环神经网络，在第五章中我们使用循环神经网络实现了一个文本分类的模型，不过使用的数据集是PaddlePaddle自带的一个数据集，我们并没有了解到PaddlePaddle是如何使用读取文本数据集的，那么本章我们就来学习一下如何使用PaddlePaddle训练自己的文本数据集。我们将会从中文文本数据集的制作开始介绍，一步步讲解如何使用训练一个中文文本分类神经网络模型。

2019-02-23 18:10:32 4939 15

原创《PaddlePaddle从入门到炼丹》十一——自定义图像数据集识别

本章将介绍如何使用PaddlePaddle训练自己的图片数据集，在之前的图像数据集中，我们都是使用PaddlePaddle自带的数据集，本章我们就来学习如何让PaddlePaddle训练我们自己的图片数据集。

2019-02-23 17:53:50 12298 71

原创文章开始同步到我的微信公众号

自本人的博客建立以来，一直坚持着更新，虽然更新不是很频繁，但是也保证了文章的质量。也正是因为高质量的文章，深受读者的喜爱，也一直支持着本博主夜雨飘零。本博主非常感谢一直支持着的读者们，为了让各位读者更方便地阅读文章，本人开始把博客的文章同步的本人的微信公众号，把本博主的所以文章都会同步到公众号上，欢迎给我读者关注。

2019-02-12 22:03:46 2773 1

PPASR的V2版本Conformer训练超大数据集

PPASR的V2版本训练Conformer模型文件，使用Fbank，纯PaddlePaddle，训练数据为超大数据集，13000+小时。源码地址：https://github.com/yeyupiaoling/PPASR/tree/release/2.4.x

2022-11-11

PPASR的V2版本DeepSpeech2模型文件

PPASR的V2版本训练DeepSpeech2模型文件，使用Fbank，纯PaddlePaddle，训练数据Wenetspeech。源码地址：https://github.com/yeyupiaoling/PPASR/tree/release/2.4.x

2022-11-08

PPASR的V2版本Conformer模型文件

PPASR的V2版本训练Conformer模型文件，使用Fbank，纯PaddlePaddle，训练数据Wenetspeech。源码地址：https://github.com/yeyupiaoling/PPASR/tree/release/2.4.x

2022-11-08

PaddlePaddle实现的EcapaTdnn声纹识别超大数据melspectrogram

基于PaddlePaddle实现的EcapaTdnn声纹识别超大数据模型，这个模型使用的是梅尔频谱（melspectrogram）注意是legacy2分支，源码地址：https://github.com/yeyupiaoling/VoiceprintRecognition-PaddlePaddle/tree/legacy2

2022-11-08

PaddlePaddle实现的EcapaTdnn声纹识别超大数据（spectrogram）

基于PaddlePaddle实现的EcapaTdnn声纹识别超大数据模型，这个模型使用的是声谱图（spectrogram）注意是legacy2分支，源码地址：https://github.com/yeyupiaoling/VoiceprintRecognition-PaddlePaddle/tree/legacy2

2022-11-08

Pytorch实现的EcapaTdnn声纹识别超大数据模型（melspectrogram）

基于PaddlePaddle实现的EcapaTdnn声纹识别超大数据模型，这个模型使用的是梅尔频谱（melspectrogram）注意是legacy2分支，源码地址是：https://github.com/yeyupiaoling/VoiceprintRecognition-Pytorch/tree/legacy2

2022-11-08

Pytorch训练EcapaTdnn声纹识别超大数据模型（spectrogram）

基于PaddlePaddle实现的EcapaTdnn声纹识别超大数据模型，这个模型使用的是声谱图(spectrogram）注意是legacy2分支，源码地址是：https://github.com/yeyupiaoling/VoiceprintRecognition-Pytorch/tree/legacy2

2022-11-08

三个标点符号的标点符号模型

三个标点符号的标点符号模型，包括，。？这三个标点符号，使用教程：https://blog.csdn.net/qq_33200967/article/details/126858763

2022-09-15

基于深度学习实现数千种动物识别

基于深度学习实现数千种动物识别，使用Flask提供接口，提供给Android调用，提供Android应用调用程序。还有GUI界面演示。

2022-07-05

基于PaddlePaddle实现的语音合成工具

基于PaddlePaddle实现的语音合成工具，包含GUI界面操作和Web接口，以及简单示例。视频教程：https://www.bilibili.com/video/BV1G34y1s744

2022-06-27

基于深度学习框架ONNX的人脸识别系统

基于深度学习框架ONNX的人脸识别系统，包含了使用图片路径进行识别、使用摄像头进行识别、提供Web接口的识别。包含人脸检测、人脸识别、年龄性别识别、人脸关键点识别使用教程视频：https://www.bilibili.com/video/BV13N4y1G7Rc

2022-06-24

基于Pytorch实现的EcapaTdnn声纹识别大模型（spectrogram）

基于Pytorch实现的EcapaTdnn声纹识别大模型（spectrogram），这个模型使用的声谱图（spectrogram）注意是legacy2分支，源码地址是：https://github.com/yeyupiaoling/VoiceprintRecognition-PaddlePaddle/tree/legacy2

2022-05-07

基于Pytorch实现的EcapaTdnn声纹识别大模型（melspectrogram）

基于Pytorch实现的EcapaTdnn声纹识别大模型（melspectrogram），这个模型使用的梅尔谱图（melspectrogram）注意是legacy2分支，源码地址是：https://github.com/yeyupiaoling/VoiceprintRecognition-PaddlePaddle/tree/legacy2

2022-05-06

基于Pytorch实现的EcapaTdnn声纹识别模型（spectrogram）

2022-05-04

基于Pytorch实现的EcapaTdnn声纹识别模型（melspectrogram）

2022-05-03

基于PaddlePaddle实现的EcapaTdnn声纹识别大模型（spectrogram）

基于PaddlePaddle实现的EcapaTdnn声纹识别大模型，这个模型使用的是声谱图（spectrogram）注意是legacy2分支，源码地址：https://github.com/yeyupiaoling/VoiceprintRecognition-PaddlePaddle/tree/legacy2

2022-05-02

基于PaddlePaddle实现的EcapaTdnn声纹识别大模型（melspectrogram）

基于PaddlePaddle实现的EcapaTdnn声纹识别大模型，这个模型使用的是声谱图（melspectrogram）注意是legacy2分支，源码地址：https://github.com/yeyupiaoling/VoiceprintRecognition-PaddlePaddle/tree/legacy2

2022-05-01

基于PaddlePaddle实现的EcapaTdnn声纹识别模型（spectrogram）

基于PaddlePaddle实现的EcapaTdnn声纹识别模型，这个模型使用的是声谱图（spectrogram）注意是legacy2分支，源码地址：https://github.com/yeyupiaoling/VoiceprintRecognition-PaddlePaddle/tree/legacy2

2022-04-26

基于PaddlePaddle实现的EcapaTdnn声纹识别模型（melspectrogram）

基于PaddlePaddle实现的EcapaTdnn声纹识别模型，这个模型使用的是梅尔频谱（melspectrogram）注意是legacy2分支，源码地址：https://github.com/yeyupiaoling/VoiceprintRecognition-PaddlePaddle/tree/legacy2

2022-04-25

PPASR流式与非流式语音识别模型（LibriSpeech数据集）

PPASR流式与非流式语音识别模型（LibriSpeech数据集），源码地址：https://github.com/yeyupiaoling/PPASR/tree/release/2.4.x

2022-01-26

对语音识别结果加上标点符号模型

对语音识别结果加上标点符号，使用教程：https://yeyupiaoling.blog.csdn.net/article/details/122474859

2022-01-13

Pytorch实现的流式与非流式语音识别模型（数据集：free_st_chinese_mandarin_corpus）

Pytorch实现的流式与非流式语音识别模型（数据集：free_st_chinese_mandarin_corpus），源码地址为：https://github.com/yeyupiaoling/MASR

2021-12-26

Pytorch实现的流式与非流式语音识别模型（数据集：thchs30）

Pytorch实现的流式与非流式语音识别模型（数据集：thchs30），源码地址为：https://github.com/yeyupiaoling/MASR

2021-12-26

Pytorch实现的流式与非流式语音识别模型（数据集：AIShell）

Pytorch实现的流式与非流式语音识别模型（数据集：AIShell），源码地址为：https://github.com/yeyupiaoling/MASR

2021-12-26

PPASR中文语音识别（最终级）模型（大数据集）

PPASR中文语音识别（最终级）模型（大数据集训练的），源码地址：https://github.com/yeyupiaoling/PPASR/tree/release/2.4.x

2021-12-07

基于PaddlePaddle声纹识别模型全部模型参数文件

基于PaddlePaddle声纹识别模型全部模型参数文件，源地址：https://github.com/yeyupiaoling/VoiceprintRecognition-PaddlePaddle

2023-08-28

基于Pytorch声纹识别模型全部模型参数文件

基于Pytorch声纹识别模型全部模型参数文件，源码地址：https://github.com/yeyupiaoling/VoiceprintRecognition-Pytorch

2023-08-28

基于PaddlePaddle声纹识别模型EcapaTdnn全部模型参数文件

基于PaddlePaddle实现的EcapaTdnn声纹识别，训练中文数据集、更大数据集、超大数据集，各种预处理方法。源码地址：https://github.com/yeyupiaoling/VoiceprintRecognition-PaddlePaddle/tree/release/0.x

2023-08-11

基于Pytorch声纹识别模型EcapaTdnn全部模型参数文件

基于Pytorch实现的EcapaTdnn声纹识别，训练中文数据集、更大数据集、超大数据集，各种预处理方法。源码地址：https://github.com/yeyupiaoling/VoiceprintRecognition-Pytorch/tree/release/0.x

2023-08-11

MASR的V2版本Conformer训练超大数据集

MASR的V2版本训练Conformer模型文件，使用Fbank，Pytorch，训练数据为超大数据集，13000+小时。源码地址：https://github.com/yeyupiaoling/MASR/tree/release/2.3.x

2023-01-29

3000+小时的中文普通话语音数据集

3000+小时的中文普通话语音数据集，可用于语音识别训练，使用地址：https://github.com/yeyupiaoling/PPASR

2022-11-14

自定义中文语料约2千万条数据

自定义中文语料，约2千万条数据，用于训练kenlm模型，使用地址：https://github.com/yeyupiaoling/PPASR/blob/develop/docs/beam_search.md#%E8%AE%AD%E7%BB%83%E8%87%AA%E5%B7%B1%E7%9A%84%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B

2022-11-14