原创 重讀經典神經網絡-AlexNet

AlexNet網絡結構 AlexNet每層中的超參數數量: 其輸入、輸出及每層訓練參數計算如下: 層 輸入尺寸 卷積核大小 卷積核個數 步長 輸出尺寸 超參數數量 Conv 224x224x3 11x11x3 9

原创 卷積神經網絡-LeNet5

LeNet5網絡結構 INPUT 輸入層,將輸入reshape成32x32 C1-包含6個5x5卷積核的卷積層 輸入圖像尺寸:32x32灰度值圖像 可訓練的參數:(5*5+1)*6=156,1爲每個卷積核的偏置 步長爲1,輸出f

原创 音頻信號增強

除了模型結構和超參數,數據是值得重視的。 因爲垃圾進,垃圾出。 數據量不夠是常見的問題,使用數據增強的方式產生合成新數據,從某種程度上可以提高模型的泛化能力。 這裏介紹一些基本的音頻信號增強方法。 語音增強方法 添加噪聲(nois

原创 Python開發環境遷移

生產環境是斷網,無法聯網安裝依賴包。 第三方依賴庫太多,每次聯網安裝依賴包太耗費時間或網絡資源。 需要更改已有虛擬環境路徑。 方法一 如果是有網環境: source env/bin/activate # 先激活本地虛擬環境 p

原创 TensorlFlow 2.0基本API

筆記摘自《Google老師親授 TensorFlow2.0 入門到進階_課程》 1. 常量 tf.constant() 定義 t = tf.constant([[1., 2., 3.], [4., 5., 6.]]) # inde

原创 Jupyter notebook的常用配置

添加多個虛擬環境 1.如果是anaconda的多個環境,先在base環境安裝: conda install nb_conda_kernels 2.切換到其他環境安裝ipykernel conda install ipykerne

原创 Jupyter notebook的設置

使用conda環境 參考 : https://www.jianshu.com/p/5eed417e04ca conda install nb_conda_kernels 新建的時候可以選擇環境 或者在運行界面選擇 修改默認路

原创 TensorFlow 2.0 kears分佈式實戰

GPU設置 訓練一個模型,無論模型大小,默認佔用所有GPU的內存。 通過兩種方式可以解決這個問題: 1)設定內存自增長 2)設定虛擬設備 GPU查看情況 查看顯卡:nvidia-smi 實時查看內存佔用:watch -n 0.1

原创 TensorlFlow 2.0 數據準備

筆記整理自《Google老師親授 TensorFlow2.0 入門到進階_課程》 官方文檔: tf.data: Build TensorFlow input pipelines TFRecord and tf.Example

原创 使用lstm中的stateful和return_sequence導致InvalidArgumentError

問題描述 訓練一個模型,使用LSTM組爲第一層,具體模型如下圖。當使用LSTM的默認參數爲 stateful = False,return_sequences = False時,能夠正常訓練。 然而當要返回每步的狀態時,即LST

原创 cs61a 課時筆記-Python變量的命名、環境、函數定義及調用

name 編程語言中定義一個名字指示一個計算對象,給一個值一個名字,就是將名字綁定到一個值上。 將計算對象(值,函數)綁定到一個名字上有兩種方式: 1)賦值操作 2)通過import 如: radius = 10 from mat

原创 TensorFlow 2.0 保存模型結構和參數

筆記摘自《Google老師親授 TensorFlow2.0 入門到進階_課程》 1. 模型保存和部署流程 TensorFlow 2.0的模型保存和部署流程如下: 2. 模型的保存 (1)保存爲HDF5 直接修改callback的

原创 動態時間規整matlab和python代碼

幾篇寫得很好的文章 【重大修改】動態時間規整(Dynamic Time Warping) 算法筆記-DTW動態時間規整 動態時間規整算法(Dynamic Time Warping, DTW)之初探單詞語音識別 (1)相似度計算

原创 託福聽力方法和流程

關於託福聽力的一些方法總結 考點 聽力的形式有兩種,conversation和lecture,他們有不同的考點。 下面兩個表格的總結來自B站 託福118的Richard主講【2020託福_聽力小節版_從小白到30】 要考託福雅思的

原创 tensorflow中維度擴充

使用tf.pad方法: tf.pad( tensor, paddings, mode='CONSTANT', name=None, constant_values=0 ) 其中參數padd