- 博客(342)
- 收藏
- 关注
![](https://csdnimg.cn/release/blogv2/dist/pc/img/listFixedTop.png)
原创 语音合成相关论文及代码整理
对重要的语音合成论文及代码进行更新和记录(持续更新)一、论文1、tts 前端2、expressive tts3、voice clone/conversion4、vocoder二、代码1、https://github.com/PaddlePaddle/PaddleSpeech完整的 语音识别(流式)、语音合成(流式)、声纹识别、声音分类 的工程库2、..................
2022-05-23 22:34:19
1174
![](https://csdnimg.cn/release/blogv2/dist/pc/img/listFixedTop.png)
原创 深度学习论文专栏
深度学习论文专栏以下,建立论文阅读专栏,一是为提高论文阅读能力,二是为保证知识更新,三是为了记录和传播好的论文思想以下仅做粗浅分类,方便查阅一、NLP1、Transformers are RNNs: Fast Autoregressive Transformers with Linear Attention 【https://arxiv.org/pdf/2006.16236.pdf】2020新作待读二、语音1、三、其他1、...
2020-06-30 11:56:03
836
![](https://csdnimg.cn/release/blogv2/dist/pc/img/listFixedTop.png)
原创 国内外最好的语料库汇总
语料在语言学科研究和深度学习中都至关重要,下面对常用的语料库资源进行总结:部分信息来源于其他博客,但是本文会保持持续更新Open Speech and Language Resourceshttp://www.openslr.org/resources.php更新(2020年6月10):若干开源语音数据库: https://blog.ailemon.me/2018/11/21/free-open-source-chinese-speech-datasets/更新2020/10/23AISHELL-3 高保
2019-07-18 15:25:57
31543
4
原创 python一些进阶用法:hook 钩子函数以及Registry机制
本质来讲,这些高级用法都是编程经验中沉淀下来的常用范式,并不违背和创造了函数、类和传参的原理,只是巧妙运用了这些。一句话讲,register机制 和 hook 都是函数/类 调用和传参机制的一种灵活运用,将函数作为传参对象,进行回调和封装,通常扩展了或修改了原始函数的行为。
2024-06-28 11:20:58
145
原创 python 数据、曲线平滑处理——Savitzky-Golay 滤波器
高斯滤波是一种线性平滑滤波,适用于消除高斯噪声,广泛应用于图像处理的减噪过程。通俗的讲,高斯滤波就是对整幅图像进行加权平均的过程,每一个像素点的值,都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波的具体操作是:用一个模板(或称卷积、掩模)扫描图像中的每一个像素,用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。
2024-06-26 19:00:53
376
原创 TensorRT半精度(FP16)相关博客
几篇关于TensorRT fp16和debug的博客,记录一下:半精度(FP16)调试血泪总结ONNX-TensorRT 精度对齐tensorRT相关问题想提速但TensorRT的FP16不得劲?怎么办?在线支招
2024-05-21 15:57:46
252
原创 转:深度学习模型参数量以及FLOPs计算工具
记录一下:深度学习模型参数量以及FLOPs计算工具大模型训练需要花费多长时间:FLOPs的简单计算方法及calflop开源实现
2024-05-21 15:31:44
175
原创 图像中的attention及QKV机制解释
里面的观点,写的很好:Transformer,它最开始提出是针对nlp领域的,在此之前除了seq2seq这种encoder-decoder架构,大家主要还是用的rnn、lstm这种时序网络,像rnn系列网络它是有问题的,首先就是它记忆的长度是有限的,其次是无法并行化计算,也就是必须要先计算xt时刻的数据才能计算时刻xt+1,这就导致效率低下。针对这些问题,Google就提出了。
2024-05-16 01:29:59
503
原创 几种常用的用于视频读取、写入和处理的库和函数
在Python中,有几种常用的用于视频读取、写入和处理的库和函数。其中最流行的包括OpenCVMoviePy和imageio。
2024-03-21 19:35:10
426
原创 如何将图片保存成视频(imageio、opencv和ffmpeg)
测试下来发现,imageio 速度比 cv2 的要慢,所以普通保存推荐 cv2,要gpu加速需要额外配置或者修改
2024-02-29 12:01:55
1610
原创 转载:利用Flask实现深度学习模型部署
深度学习模型部署篇——利用Flask实现深度学习模型部署(三)pytorch中文文档-通过带Flask的REST API在Python中部署PyTorch利用flask搭建深度学习服务
2023-11-29 01:26:35
689
原创 安装pytorch3d最简单方法
推荐博客:https://blog.csdn.net/weixin_43357695/article/details/126063091。
2023-11-17 22:11:46
328
原创 FlowNet2 30系显卡 cuda11.1 编译
FlowNet2 30系显卡 cuda11.1 编译:https://blog.csdn.net/qq_24002549/article/details/120114046。
2023-11-17 21:31:47
180
原创 安装pytorch3d最简单方法
记录:https://blog.csdn.net/weixin_43357695/article/details/126063091。
2023-11-13 21:42:49
231
原创 torch DDP多卡训练教程记录
简明教程看这里 -->--》 详细解答了pipeline减少GPU占用看这里 -->--》解答了如何先加载到cpu解决0卡显存占用过多问题DDP模型加载和保存看这里 – >--》解释和解决ddp模型名被更改后如何保存加载的问题多机多卡更多看这里 -->--》有更细致的讲解。
2023-11-10 21:34:46
801
转载 拉普拉斯金字塔融合原理浅析【转载】
拉普拉斯金字塔融合(Laplacian Pyramid Blending)也称为多频带融合(Multi-band Blending),可以看做是对Alpha融合的一种改进,避免出现鬼影(Ghosting)和截断(Seams)现象。
2023-11-03 20:42:53
630
转载 zotero翻译插件PDF Translate下载安装配置
参考:https://blog.csdn.net/qq_43215318/article/details/125853153。通过github地址:https://github.com/windingwind/zotero-pdf-translate。插件地址:https://github.com/windingwind/zotero-pdf-translate。2.在相应路径找到刚刚下载的zotero-pdf-translate.xpi文件。
2023-10-13 11:54:29
4259
原创 人脸Landmark提取
那么dlib是如何做到的呢?现在常用的开源landmark检测工具是dlib,其开源模型中的landmark包含68个点,按顺序来说: 0-16是下颌线(红),17-21是右眼眉(橙),22-26是左眼眉(黄),27-35是鼻子(浅绿),36-41是右眼(深绿),42-47是左眼(浅蓝),48-60是嘴外轮廓(深蓝),61-67是嘴内轮廓(紫)。landmark是什么意思呢?就是在脸上绘制的若干标记点,标记点一般画在边、角、轮廓、交叉、等分等关键位置,借助它们就可以描述人脸的形态(shape).
2023-05-23 20:15:20
1066
原创 数字人入门文章速览
语音驱动三维人脸方法OPPO 数字人语音驱动面部技术实践【万字长文】虚拟人漫谈人脸重建速览,从3DMM到表情驱动动画恐怖谷效应:
2023-05-22 17:50:10
538
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人