- 博客(102)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 使用Python和librosa提取语音的梅尔频率倒谱系数(MFCC)
import numpy as np# np.set_printoptions(threshold=np.inf)import pylab as plimport matplotlib.pyplot as pltfrom scipy.fftpack import dctfrom scipy.io import wavfile# download opensouce audio in# http://www.voiptroubleshooter.com/open_speech/america
2021-05-07 10:27:36
1093
原创 使用Python绘制语音信号的波形图
# improt libraryimport numpy as npimport waveimport pylab as pl# download open-souce audio in# http://www.voiptroubleshooter.com/open_speech/american.htmldef plot_audio(audio_file='OSR_us_000_0010_8k.wav'): # load audio audio = wave.open(a
2021-05-07 10:25:09
2342
转载 librosa语音信号处理
librosa是一个非常强大的python语音信号处理的第三方库，本文参考的是librosa的官方文档，本文主要总结了一些重要，对我来说非常常用的功能。学会librosa后再也不用用python去实现那些复杂的算法了，只需要一句语句就能轻松实现。先总结一下本文中常用的专业名词：sr：采样率、hop_length：帧移、overlapping：连续帧之间的重叠部分、n_fft：窗口大小、spectrum：频谱、spectrogram：频谱图或叫做语谱图、amplitude：振幅、mono：单声道、stere
2020-09-04 18:32:57
7438
3
原创 Learning latent representions for style control and transfer in end2end spech synthesis阅读笔记
2 Learning latent representions for style control and transfer in end2end spech synthesis主要贡献：在tacotron2中引入VAE以无监督方式来学习说话风格的潜在表达，以便于风格控制；通过VAE的recognition network来实现风格迁移（Style transfer）；采用两种方法来避免Kullback-Leibler (KL) 收敛时爆炸的问题。模型整体结构：Recognition mo
2020-05-27 17:07:25
480
原创 自动编码器、变分自动编码器和条件变分自动编码器阅读理解
文章目录1 VAEs1.1 AE: AutoEncoder1.2 VAE: Variational AutoEncoder1.3 CVAE: Conditional Variational AutoencoderReferences：1 VAEs1.1 AE: AutoEncoder自动编码器，主要作用：数据去噪，可视化降维度，生成数据。模型结构：缺点：在inference时只能通过输入一个输入得到一个隐含变量Z，然后在通过Decoder生成，无法任意去构造隐含变量。1.2 VAE
2020-05-27 16:39:26
2381
原创 百度Deep Voice 1 2 3阅读笔记
7. Deep Voice: Real-time Neural Text-to-Speech文章于2017年3月发表Deep Voice是使用DNN开发的语音合成系统，主要思想是将传统参数语音合成中的各个模块使用神经网络来代替，包括以下五个模块：grapheme-to-phoneme转换模型：将输入本文转为phoneme序列；segmentation模型：定位音素边界；phoneme duration模型：预测phoneme持续时长；fundamental frequency模型：预测基频
2020-05-22 14:01:03
1649
原创 Transformer-TTS: Neural Speech Synthesis with Transformer Network阅读笔记
5. Transformer-TTS: Neural Speech Synthesis with Transformer Network文章于2019年1月发表Transformer-TTS可以看做Tacotron2+transformer的组合，作者认为优点主要为：通过移除RNN结构实现并行训练，因为解码器的输入序列的帧可以并行地提供。第二种是self-attention可以将整个序...
2020-04-26 18:08:45
2603
原创 Attention Is All You Need阅读笔记
4. Attention Is All You Need文章于2017年12月发表参见The Annotated Transformerhttp://nlp.seas.harvard.edu/2018/04/03/attention.html考虑到RNN（或者LSTM，GRU等）的计算是顺序的，RNN相关算法只能从左向右依次计算或者从右向左依次计算，这种机制带来了两个问题：时间片 t 的...
2020-04-26 18:03:30
407
原创 Tacotron2: NATURAL TTS SYNTHESIS BY CONDITIONING WAVENET ON MEL SPECTROGRAM PREDICTIONS阅读笔记
Tacotron2: NATURAL TTS SYNTHESIS BY CONDITIONING WAVENET ON MEL SPECTROGRAM PREDICTIONS文章于2018年2月发表Tacotron2与Tacotron1对比，，模型基本框架相似，主要改变为：Encoder: 3层包含512个5X1滤波器的卷积层，一个双向512单元的LSTM层，来代替tacotron1中...
2020-04-22 17:17:02
1124
原创 DURIAN: DURATION INFORMED ATTENTION NETWORK FOR MULTIMODAL SYNTHESIS阅读笔记
2. DURIAN: DURATION INFORMED ATTENTION NETWORK FOR MULTIMODAL SYNTHESIS文章于2019年9月发表将DurIAN与Tacotron1对比，主要是放弃使用attention结构，使用一个单独的模型来预测alignment，从而来避免合成中出现的跳词重复等问题，DurIAN相当于一个去除Attention的Tacotron1，主...
2020-04-22 17:14:41
1000
原创 Tacotron1: TOWARDS END-TO-END SPEECH SYNTHESIS阅读笔记
1. Tacotron1: TOWARDS END-TO-END SPEECH SYNTHESIS文章于2017年4月发表整体过程：Encoder: 输入Character, character embeddings；Pre-net, 一个带激活函数的DNN网络，其主要功能是对输入进行一系列的非线性的变换，进一步扩大输入空间；CBHG；conv bank + residual c...
2020-04-22 17:09:08
407
原创 Hierarchical Generative Modeling for Controllable Speech Synthesis笔记
文章目录可控语音合成的分层生成建模一、简介二、模型2.1 具有分层隐式变量的可控生成模型2.2 变分推论和训练2.3 显示分类标签的连续属性空间2.4 神经网络结构三、相关研究三、相关研究四、实验可控语音合成的分层生成建模本文提出了一种神经端到端文本到语音（TTS）模型，该模型可以控制生成的语音中潜在的属性，这些属性很少在训练数据中注释，例如说话风格，重音，背景噪声和记录条件。该模型被公式化为...
2020-04-08 18:41:16
1173
原创 Tensorflow2.0的简介
文章目录Tensorflow2.0的简介Tensorflow1.X版本有哪些问题？为什么使用Tensorflow，而不是Pytroch呢？Tensorflow2.0的简介Tensorflow1.X版本有哪些问题？调试困难API混乱不堪导致从入门到放弃为什么使用Tensorflow，而不是Pytroch呢？GPU加速自动求导神经网络Layers最大改变就是移除tf.con...
2020-02-17 23:37:15
630
原创 FastSpeech理解分析和代码模型展示
文章目录FastSpeech:Fast, Robust and Controllable Text to SpeechFFT BlockLength RegulatorDuration PredictorDURIAN(Tencent AI Lab)FastSpeech:Fast, Robust and Controllable Text to SpeechFeed-Forward模块在Pho...
2020-02-07 15:38:08
3025
1
原创 tcpdump工具使用方法
tcpdump工具使用方法 简介: tcpdump，即dump the traffic on a network，根据使用者的定义对网络上的数据包进行截获的包分析工具。下载tcpdump到本地，地址：http://www.strazzere.com/android/tcpdump2.ADB连接设备 adb push /mnt/c/your_local_path/tcpdump ...
2020-01-14 19:09:17
252
原创 WSL中ADB工具无法识别设备解决方案
WSL中ADB工具无法识别设备解决方案 楼主所使用的WSL为：wsl 18.04版本，在windows中正常使用adb调试嵌入式设备后，发现在wsl中存在adb无法识别设备问题，原因： windows 系统的adb version 必须与linux 子系统的adb version保持一致adb 安装sudo apt-get update && sudo apt-ge...
2019-11-18 20:00:00
8728
18
原创 Linux和Windows下超实用工具解决方案集合（持续更新中。。）
工具问题解决方案1. windows访问github与clone速度慢：1. 获取Github相关网站的ip 访问https://www.ipaddress.com，找到页面中下方的“IP Address Tools – Quick Links”， 分别输入github.global.ssl.fastly.net和github.com，查询ip地址。 2. 修改本地host文件...
2019-11-15 10:57:05
320
原创 创建线程的几种方法
创建线程的几种方法使用函数作为thread对象的可调用对象#include #include using namespace std;void myprint() //创建自己的线程,初始函数{cout << "my thread begin ..." << endl;cout << "my thread running1 ..." <...
2019-05-20 21:42:07
361
原创 并发、进程和线程的概念和实现方法（理论）
并发 进程和线程的基本概念并发：两个或者多个任务（独立任务）同时发生（进行）；一个程序同时执行多个任务；在以往计算机中，单核CPU（中央处理器）：在某个时刻只能同时执行一个任务，由操作系统进行调度，进行所谓的‘任务切换’，这是一种并发的假象（不是真正的并发），执行切换（上下文切换），是需要有时间开销的，比如操作系统要保存你恢复时的各种状态、执行进度等，都需要时间开销。多核CPU，能够实...
2019-05-16 21:58:45
313
原创 数据结构之链表mark
单链表翻转主要思路：使用pre cur节点翻转，并向后遍历class Solution {public: ListNode* reverseList(ListNode* head) { ListNode* pre = NULL; ListNode* cur = head; ListNode* next; while...
2019-05-11 15:40:24
148
原创 数据结构之数组mark
leetcode 合并两个有序数组主要思想：遍历一次进行比较，从后往前进行复制填充class Solution {public: void merge(vector<int>& nums1, int m, vector<int>& nums2, int n) { int cur = nums1.size() - 1;...
2019-05-11 13:00:48
421
原创 notebook中直接安装python第三库方法
!pip install -i https://pypi.tuna.tsinghua.edu.cn/simple XXX --user
2019-04-22 20:08:43
745
原创 DL9-循环神经网络RNN实现
import tensorflow as tfimport input_dataimport numpy as npimport matplotlib.pyplot as pltmnist = input_data.read_data_sets('./data/MNIST/', one_hot=True)trainimgs, trainlabels, testimgs, testlab...
2019-04-06 21:40:23
549
原创 8-CNN模型的保存和重载
import numpy as npimport tensorflow as tfimport matplotlib.pyplot as pltimport input_datamnist = input_data.read_data_sets('./data/MNIST/', one_hot=True)trainimg = mnist.train.imagestrainlabe...
2019-04-06 21:39:06
4560
原创 DL7-tensorflow中模型的保存和加载
简单示例import tensorflow as tfa = tf.Variable(tf.random_normal([1, 2]), name='a')b = tf.Variable(tf.random_normal([2, 3]), name='b')init = tf.global_variables_initializer()saver = tf.train.Saver()...
2019-04-06 21:37:52
1700
2
原创 DL6-卷积神经网络CNN实现
import numpy as npimport tensorflow as tfimport matplotlib.pyplot as pltimport input_datamnist = input_data.read_data_sets('./data/MNIST/', one_hot=True)trainimg = mnist.train.imagestrainlabe...
2019-04-06 21:36:40
588
原创 DL5-简单神经网络实现多分类任务
import numpy as npimport tensorflow as tfimport matplotlib.pyplot as pltimport input_datamnist = input_data.read_data_sets('./data/MNIST/', one_hot=True)神经网络模型架构# NETWORK TOPOLOGIESn_hidden_1...
2019-04-06 14:50:50
1168
原创 DL4-基于tensorflow的LR多分类任务模型实现
import numpy as npimport tensorflow as tfimport matplotlib.pyplot as pltfrom tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets('./data/MNIST/', one_hot=True)...
2019-04-06 14:49:23
615
原创 DL3-MINIST数据集简介
import numpy as npimport tensorflow as tfimport matplotlib.pyplot as pltfrom tensorflow.examples.tutorials.mnist import input_data数据集如果下载失败，则手动直接从网上下载即可print ("Download and Extract MNIST dataset...
2019-04-06 14:47:33
353
原创 DL2-tensorfow之LR简单实践
import numpy as npimport tensorflow as tfimport matplotlib.pyplot as plt随机生成1000个点，围绕在y=0.2x+0.4的直线周围num_points = 1000vectors_set = []for i in range(num_points): x1 = np.random.normal(0.0, ...
2019-04-03 22:40:31
234
原创 DL1-tensorflow之基础操作
import tensorflow as tf创建变量和执行w = tf.Variable([[0.5, 2.0]]) #行向量x = tf.Variable([[2.0], [1.0]]) #列向量y = tf.matmul(w, x)WARNING:tensorflow:From C:\ProgramData\Anaconda3\lib\site-packages\tenso...
2019-04-03 22:38:02
142
1
原创 机器学习实战3.5之预测股票走势
import pandas as pdimport pandas_datareaderimport datetimeimport matplotlib.pylab as pltimport seaborn as snsfrom matplotlib.pylab import stylefrom statsmodels.tsa.arima_model import ARIMAfrom ...
2019-03-29 17:48:40
1185
原创 机器学习实战3.4之ARIMA模型参数选择
import pandas as pdimport numpy as np# TSA from Statsmodelsimport statsmodels.api as smimport statsmodels.formula.api as smfimport statsmodels.tsa.api as smt# Display and Plottingimport matplot...
2019-03-29 17:46:19
5930
2
原创 机器学习实战3.3之差分法和ARIMA模型
import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as snsimport statsmodels.api as smimport statsmodels.formula.api as smfimport statsmodels.tsa.api as smt一些可视...
2019-03-29 17:44:15
1471
原创 机器学习实战3.2之数据重采样和滑动窗口
import numpy as npimport pandas as pd数据重采样时间数据由一个频率转换到另一个频率降采样升采样rng = pd.date_range('2019-03-29', periods=30, freq='D')ts = pd.Series(np.random.randn(len(rng)), index=rng)print(ts.head())...
2019-03-29 17:41:38
2587
原创 机器学习实战3.1之基于pandas的时间序列
import numpy as npimport pandas as pd时间序列时间戳（timestamp）固定周期（period）时间间隔（interval）date_range可以指定开始时间与周期,也可以与常数结合H：小时D：天(默认参数)M：月# TIMES #2019 March 1 3/1/2019 1/3/2019 2019-03-01 2019/0...
2019-03-29 17:40:16
199
原创 机器学习实战2之科比篮球生涯得分数据分析
import numpy as npimport pandas as pdimport matplotlib.pyplot as plt导入数据filename = './data/kobe.csv'raw = pd.read_csv(filename)print(raw.shape)print(raw.head())(30697, 25) action_ty...
2019-03-29 17:39:12
3772
3
原创 机器学习实战1.4之逻辑回归：多分类问题解决方法
import pandas as pdimport matplotlib.pyplot as plt#由于数据集中每列数据没有标签，因此需要先手动添加，且用空格来隔开columns = [ 'mpg', 'cylinders', 'displacement', 'horsepower', 'weight', 'acceleration', 'model year', 'or...
2019-03-26 22:47:32
947
原创 机器学习实战1.3之模型效果衡量标准详解
import numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom sklearn.linear_model import LogisticRegressionadmissions = pd.read_csv('./data/admissions.csv')model = LogisticRegression...
2019-03-26 22:09:00
318
原创 机器学习实战1.2之逻辑回归之是否成功申请高校
导入库和数据集import pandas as pdimport matplotlib.pyplot as pltadmissions = pd.read_csv('./data/admissions.csv')print(admissions.head()) admit gpa gre0 0 3.177277 594.1029921...
2019-03-26 19:56:02
293
GPON OMCI详细中文版（G988）
2019-03-22
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人