本文介绍了如何使用currennt工具包搭建基于深度神经网络的语音识别系统，特别是针对序列信号的处理。currennt利用CUDA进行并行计算，其网络结构定义在JSON文件中，并提供了不同类型的隐藏层和输出层。实验结果显示了训练出的网络对51个词的识别效果。未来将分析NC文件内容并探讨调参和数据标注的重要性。
今天在服务器上继续跑currennt的试验，作为基本内容，第一波基础知识奉上：
首先currennt是用来借助CUDA的并行计算能力实现回归神经网络的一个工具包，目前编者需要用到其中的speechrecognition即语音识别的currennt样例做实验。
回归神经网络在处理语音识别这种序列（顺序相关）信号时表现出优于普通神经网络的效果。
currennt工具包中定义神经网络结构的方式很简单，直接写入一个json文件并在运行时指定即可，一个典型的网络结构文件示例如下：
（该示例表示了一个使用39维MFCC特征对51个词进行语音识别的神经网络。）
源数据中指定layers
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
4203
