转发:书单 | 语音研究进阶指南
参考链接: https://www.msra.cn/zh-cn/news/features/book-recommendation-speech 书单 | 语音研究进阶指南 2019-03-22 | 作者:汪曦 我们邀请了微软(亚洲)互联网工程院资深语音科学家汪曦为大家推荐语音领域的经典书目,涵盖了语音研究中的信号处理、语音和语言处理、深度学习研究等多个方面,里面包含了大量语音技术的基础知识,在大家关心深度学习算法和模型的同时,积累基础知识,概念,方法和思想对深入了解该领域是非常有意义的,但是
项目结构和__init__.py作用
版权声明:原创作品,欢迎转发!转发附上链接 https://blog.csdn.net/qq_26369907/article/details/90300760 一、文件结构 checkpoint data/ __init__.py dataset .py get_data.py models/ __init__.py shuffleNetV2 .py ResNet .py utils/ __init__.py config .py main .py r
转:树莓派3B+ 安装系统
树莓派3B+ 安装系统 对于树莓派3B+ 系统安装方法有很多,我就介绍比较普通的一种。适合小白操作! 安装概要步骤: 官网下载系统-》刷入TF卡-》设置开启显示器和SSH-》通电-》进入系统 1. 进入官方网站下载系统镜像。 下载页面:https://www.raspberrypi.org/downloads/ 来到下面这个页面 如果感觉下载速度慢,可以将下载链接放到迅雷里面下,基本可以做到满速下载! 如果你对我后续的博文有兴趣,建议和我下载相同版本: stretch版 (基于Debian 9
wxpython多线程
版权声明:原创作品,欢迎转发!转发附上链接 https://blog.csdn.net/qq_26369907/article/details/90408513 在用wxpython做UI时跳进了一个坑,在此记录。 小结: 1.学习语言时先查询该语言是否本身自带有某模块。例如python3多线程threading功能强大,结合jion()和setDaemon()函数使用更灵活,使用多线程时首先想到了threading, 但wxpython是用python写的一个UI框架,其本身自带有多线程函数
错误记录:FutureWarning: Using a non-tuple sequence for multidimensional indexing is deprecate
版权声明:原创作品,欢迎转发!转发附上链接 https://blog.csdn.net/qq_26369907/article/details/90519549 计算棒二代(Neural Compute Stick 2),是2018年因特尔推出的一款用于深度计算的工具,通过使用英特尔®OpenVINO™工具包可以加速运行模型,可以应用在深度学习中。 我采用Pytorch框架编写模型,模型名称为:model.pt,pt文件需要转换为计算棒识别的IR文件,基本思路是pt–》onnx–》IR。然后在
win10安装 JDK12 +Android studio
版权声明:原创作品,欢迎转发!转发附上链接 https://blog.csdn.net/qq_26369907/article/details/90749586 win10下搭建Android开发环境,在此记录安装JDK12.0.1、Android Studio。 一、JDK 12.0.1安装 下载 jdk12.0.1 安装 建议在新建一个目录安装:E:\Java\JDK, 双击jdk-12.0.1_windows-x64_bin.exe即可安装。 配置环境变量 配置用户,系统变量,需要添加J
TE2E和GE2E损失函数区别
版权声明:原创作品,欢迎转发!转发附上链接 https://blog.csdn.net/qq_26369907/article/details/90760456 谷歌提出了两种损失函数TE2E(Tuple-based end-to-end)、GE2E(Generalized end-to-end).今天对这两种进行记录。 一、TE2E 在训练中分为2个阶段:登记和检验。每步训练中数据包含 xj∼x_{j∼}xj∼和M个登记会话 xkmx_{km}xkm(for m = 1…M), 可以用 {
主谓一致 | 谓语动词单复数使用讲解
ref: https://www.hjenglish.com/yufadaquan/p1224670/ 主谓一致是英语语法的一个重要的版块,今天,小编为同学们准备了相关的主谓一致语法体系下的谓语动词单复数的使用规则,一起来看看吧! 1)由“some of,plenty of,a lot of,lots of,most of,the rest of,all of,half of,part of,the remainder of或分数、百分数+of+名词”等短语作主语时,谓语动词常与of后的名词保
转:Android开发特殊字符串
当我们在strings.xml里写入特殊字符的时候会有错误提示,如下图: 截图.png 那么有两种方法解决: 一:在特殊字符前添加""(反斜杠),如图: 添加反斜杠.png 二:使用转移字符,如例子中的" ' "可以用"'"代替,如图: 转义字符.png 显示效果.png 那么,这里给出一些常用的转义字符: @ 对应 -----@----- : 对应 -----:-----   对应 -----空格-----   对应 -----空格----- 
转:Android中startService的使用及Service生命周期
Android中有两种主要方式使用Service,通过调用Context的startService方法或调用Context的bindService方法,本文只探讨纯startService的使用,不涉及任何bindService方法调用的情况。如果想了解bindService的相关使用,请参见《Android中bindService的使用及Service生命周期》。 当我们通过调用了Context的startService方法后,我们便启动了Service,通过startService方法启动
4.27-4.28周训
E:Stas and the Queue at the Buffet 题目链接:https://vjudge.net/contest/297959#problem/E 题目大意:n个学生,第i个学生的初始位置为i。每个学生有两个参数a,b,第i个学生的不满意值为 ai⋅(i−1)+bi⋅(n−i)。现在我们需要对这些学生重新排列,使得所有学生的不满意值的和最小。 题解:每个学生的不满意值为:sumi=ai*(i−1)+bi*(n−i)=(ai-bi)*i-ai+n*bi 两边求和为: 很明显:
Charm Bracelet(POJ 3624)
题目链接:http://poj.org/problem?id=3624 题目大意:01背包问题 N个物品,每个物品有两个属性,v(价值),w(重量),且每个物品只有一个。现有背包容量为M,求背包可承受范围内的最大价值。 题解: DP(Dynamic Programming)即动态规划。每一步的选择会影响之后的状态。 我们设 状态3:dp[j] ->前i个物品在剩余容量为j的情况下的最大价值。 状态2:dp[j] ->没有选择物品i(前i-1个物品在容量为j的情况下的最大价值) 状态1:dp[j
Big Event in HDU(HDU1171)(多重背包)
题目链接:http://acm.hdu.edu.cn/showproblem.php?pid=1171 题目大意:共有N种设备,有两个属性,v(价值),m(数量)。每种设备的v不同。让我们将这些设备分成价值相差最少的两部分。 题解:算出所有设备的总价值,总价值/2为背包容量,然后从所有设备中找出价值小于等于背包容量的最大价值,另一部分就是总价值-第一部分最大价值,即为最终结果。 代码: #include <iostream>
#include <cstdio>
#include <algori
为什么重写toString方法
toString方法来自于基类Object如下: public String toString() {
return getClass().getName() + "@" + Integer.toHexString(hashCode());
} 而我们为什么在自己创建的类中需要经常性的重写toString方法呢? 应用<<Java编程思想>>中的一句话就是为了让对象正确的显示,其实我目前的想法就是让开发更加方便,举例说明如下: 在前后端分离的情况下,当前端向服务器端发起请求时,
为什么重写equals必须重写hashCode呢
在理解这个问题时,我认为最先理解的应该是为什么会重写equals呢?理解清楚这个的前提下才有必要去理解为什么需要去重写hashcode! 为什么需要重写equals方法呢?我认为是为了适应业务场景的需求而需要对类的equals方法进行重写,最经典的重写equals方法的例子莫过于String类了,在Object类中,其equals方法即“==”,比较的是对象在内存中的地址值。而String重写了Object中的equals方法,使其变成比较String类中的各元素是否一致。 为了理解为什么在重
集成学习于随机森林--python
集成学习 如果你向几千个人问一个复杂的问题,然后汇总他们的回答。一般情况下,汇总出来的回答比专家的回答要好。同样,如果你聚合一组预测器(比如分类器、回归器)的预测,的大的结果也比最好的单个预测器要好。这样的一组预测器称为集成,对于这种技术被称为集成学习,一个集成学习的算法被称为集成方法。 常见的集成方法有如下集中,bagging,boosting,stacking。 投票分类器 假设你已经训练好一些分类器,比如一个罗辑回归,一个svm,一个随机森林,一个k近邻。为了得到更好的结果,最简单的方法
tensorflow -------起步
Tensorflow是一个用于数值计算的强大开源软件库,非常适合大型机器学习。背后的原理十分简单,就是在python中定义一个用来计算的图,然后tensorflow就会用这个图,并用优化过的c++来执行计算。 简单运行一个计算图,并在会话中执行 import tensorflow as tf
x=tf.Variable(3, name="x")
y=tf.Variable(4, name="y")
f=x*x*y+y+2
init=tf.global_variables_initialize
K 近邻算法实现手写数字识别系统
k近邻算法 k近邻算法通过测量不同特征值之间的距离来分类,具有如下优缺点 优点:精度高,对异常值不敏感,无数据输入假定 缺点:计算复杂度高,空间复杂度高 K 近邻算法的工作原理是:存在一个样本数据集合,也称作训练样本集,并且样本集中每个数据都存在标签,即我们知道样本集中每一数据与所属分类的对应关系。 输入没有标签的新数据后,将新数据的每个特征与样本集中数据对应的特征进行比较,然后算法提取样本集中特征最相似数据(最近邻)的分类标签。一般来说,我们只选择样本数据集中前 k个最相似的数据,这就是 K
ipo市场---数据处理
实验原理 在我们开始建模之前,先讨论一下什么是 IPO(或首次公开募股),以及关于这个市场,研究的结果能告诉我们些什么。之后,我们将讨论一些可以应用的策略。 首次公开募股是一家私人公司成为上市公司的过程。公开发行为公司募集资金,并让公众通过购买其股票,获得投资该公司的机会。 虽然具体实施有些不同,但在典型的发行过程中,一家公司会列出一家或多家承销其发行的投资银行。这意味着那些银行向公司保证,在发行当天他们将购买所有以 IPO 价格提供的股份。当然,承销的银行不打算自己保留全部的股份。在发行公司
今日推荐
周排行