原创 py 直接提取f0

import pyworld as pw import soundfile as sf WAV_FILE = "aa.wav" x, fs = sf.read(WAV_FILE) f0, sp, ap = pw.wav2world(x,

原创 按TextGrid來切割音頻

from pydub import AudioSegment import re f=open("0.TextGrid","r",encoding='utf-8') #w=open('label','w') file_name = "0

原创 關於linux-gpu運行相關

1.在終端執行程序時指定GPU    CUDA_VISIBLE_DEVICES=0    python  your_file.py  # 指定GPU集羣中第一塊GPU使用,其他的屏蔽掉 CUDA_VISIBLE_DEVICES=1    

原创 Jupyter 服務器配置(在外部電腦打開)

step1. 下載anaconda3 https://www.anaconda.com/distribution/ step2.  在服務器安裝anaconda,然後conda install jupyter step3.  生成配置文件

原创 關於用keras提取NN中間layer輸出

Build model... __________________________________________________________________________________________________ Laye

原创 關於deep feature、Tandem feature、bottleneck feature...

總是把這三個弄混... 今天算是明白這三個不是一個概念... 標黑的是每個特徵的特性。 ************************************************* BN特徵是屬於深度特徵,這一點無可非議。不過dee

原创 SVM與LR的異同

最近面試很多會聊到SVM, LR(畢竟兩個非常成熟的machine learning method)並比較異同。這裏複習一下~ 以後慢慢補自己的感悟。。 參考:https://blog.csdn.net/b285795298/articl

原创 關於近鄰算法的感悟(KNN等)

前言: 在傳統分類器例如(SVM,LDA,PLDA)等算法逐漸趨近完善的情況下。如何進一步提高系統性能?  近鄰算法能夠在這些分類器走到90步的時候,能再push你往前走5步(indirect impore),即95步。   一、什麼是近

原创 一刷lc_爲了掌握python

本博客主要是記載每一題中覺得可能的坑。   1. 切分問題. s="abc"   s[::-1] //翻轉 = cba;   a=s[i:j] //獲得 [i,j-1]的元素生成新列表。  s[-2]讀取倒數第二元素//b  

原创 linux相關數據處理

提取關鍵字所在行並打印: grep "關鍵字"  filename > res 提取指定列:awk '{print $1}' filename > res   

原创 說話人識別中GMM-UBM框架詳解

說話人識別中GMM-UBM框架首先三個問題0.解釋一下說話人識別的各個任務。1.爲什麼要用GMM模型?2.GMM-UBMs框架解釋3.GMM的公式推導、理解。合理的創建標題,有助於目錄的生成如何改變文本的樣式插入鏈接與圖片如何插入一段

原创 矩陣餘弦距離 歐式距離代碼

spk_mean 3631x600 dev_ivector 8631x600 #-----------------------歐氏距離----------------- from scipy.spatial.distance impor

原创 matlab、python中矩陣的互相導入導出

------------------在python中導出矩陣至matlab------------------------------ 如果矩陣是mxn維的。 那麼可以用 :  np.savetxt('dev_ivector.csv',

原创 tensorflow學習--在mnist集上softmax迴歸後進行CNN訓練(三)

由於一天知識量有點大。今天和明天或後天就圍繞這前三個博客展開更深度的學習。比如公式推導,數組維數的輸入之類。參考網站:http://wiki.jikexueyuan.com/project/tensorflow-zh/tutorials/

原创 Gaussian PLDA + 代碼。

本文理解自07年Simon的《Probabilistic Linear Discriminant Analysis for Inferences About Identity》 最直觀的理解通過EM求四個latent variable。