¿ªÆô×ó²à

¼òµ¥µÄÒôƵʶ±ð

ºóÆÚ
¼òµ¥µÄÒôƵʶ±ð- b8 [  A3 E, R

" X6 a& y, d+ [: {2 @# I3 h& C7 f% q! d
½ñÌìµÄÎÄÕ½«ÏòÄúչʾÈçºÎ¹¹½¨¿ÉÒÔʶ±ð 10 ¸ö²»Í¬×ִʵĻù±¾ÓïÒôʶ±ðÍøÂç¡£ÐèҪעÒâµÄÊÇ£¬ÕæÕýµÄÓïÒôºÍÒôƵʶ±ðϵͳҪ¸´Ôӵö࣬µ«¾ÍÏñÓÃÓÚʶ±ðͼÏñµÄ MNIST£¬Õâ¸ö»ù±¾ÓïÒôʶ±ðÍøÂçÄܹ»°ïÖúÄú»ù±¾Á˽âËùÉæ¼°µÄ¼¼Êõ¡£Ñ§Íê±¾½Ì³Ìºó£¬Äú½«»ñµÃÒ»¸öÄ£ÐÍ£¬¸ÃÄ£Ðͻ᳢ÊÔ½«Ê±³¤Îª 1 ÃëµÄÒôƵƬ¶Î¹éÀàΪÎÞÉù¡¢Î´Öª×Ö´Ê¡¢¡°yes¡±¡¢¡°no¡±¡¢¡°up¡±¡¢¡°down¡±¡¢¡°left¡±¡¢¡°right¡±¡¢¡°on¡±¡¢¡°off¡±¡¢¡°stop¡± »ò ¡°go¡±¡£Äú»¹¿ÉÒÔÔÚ Android Ó¦ÓÃÖÐÔËÐиÃÄ£ÐÍ¡£! F% I8 O" a3 Q0 k5 C/ f  I! b

: ~7 n$ j8 O# H" m9 `" j9 Q; {& q' m) q3 g2 t$ P. W
×¼±¸
5 n) G' ~# S9 ~ÄúӦȷ±£°²×°ÁË TensorFlow£»´ËÍ⣬ÓÉÓڽű¾»áÏÂÔØ³¬¹ý 1GB µÄѵÁ·Êý¾Ý£¬Òò´ËÄúÐèҪȷ±£¼ÆËã»úÓµÓÐÎȶ¨µÄ»¥ÁªÍøÁ¬½ÓºÍ×ã¹»µÄ¿ÉÓÿռ䡣ѵÁ·¹ý³Ì¿ÉÄÜÐèÒª¼¸¸öСʱ£¬Òò´ËÇëÈ·±£ÄúµÄ¼ÆËã»ú¿ÉÒÔÍê³ÉÕâô³¤Ê±¼äµÄѵÁ·²Ù×÷¡£
( w# a) c8 e5 J# h- U! g3 T& n/ o
8 O, l1 g0 @$ d) |# O5 d6 |% B- F( v' k" z7 C
ѵÁ·% r! C1 G4 i* a
Òª¿ªÊ¼ÑµÁ·¹ý³Ì£¬Çëתµ½ TensorFlow Ô´´úÂëÊ÷£¬È»ºóÔËÐÐÒÔϽű¾£º
# G" e$ k6 g& B" d9 Z! J' H! p/ ]python tensorflow/examples/speech_commands/train.py+ a9 ^+ q, m9 K% S7 s0 p7 I
+ B7 Z* ]: i3 j5 x6 [
¸Ã½Å±¾»áÏÈÏÂÔØÓïÒôÖ¸ÁîÊý¾Ý¼¯£¬ÆäÖаüº¬³¬¹ý 105000 ¸ö WAVE ÒôƵÎļþ£¬ÒôƵÄÚÈÝÊÇÓÐÈË˵³ö 30 ¸ö²»Í¬µÄ×Ö´Ê¡£ÕâЩÊý¾ÝÓÉ Google ÊÕ¼¯£¬²¢ÒÀ¾Ý CC BY Ðí¿É·¢²¼£¬Äú¿ÉÒÔÌá½» 5 ·ÖÖÓ×Ô¼ºµÄ¼ÒôÀ´°ïÖú¸Ä½ø¸ÃÊý¾Ý¡£¹éµµÊý¾Ý³¬¹ý 2GB£¬Òò´ËÕⲿ·Ö¹ý³Ì¿ÉÄÜÐèÒªÒ»¶Îʱ¼ä£¬µ«ÄúÓ¦¸Ã¿ÉÒÔ¿´µ½½ø¶ÈÈÕÖ¾£»ÏÂÔØÍê³Éºó£¬ÄúÎÞÐèÔÙ´ÎÖ´Ðд˲½Öè¡£ÈçÐèÏêϸÁ˽â¸ÃÊý¾Ý¼¯£¬Çë²ÎÔÄ https://arxiv.org/abs/1804.03209- B- K# ^/ b. V$ n7 U  k
7 K* R, ?. z8 S( e, c1 Q( U* G
ÏÂÔØÍê³Éºó£¬Äú½«¿´µ½ÈçÏÂÈÕÖ¾ÐÅÏ¢£º4 H* `: n& m6 Q, H- m6 o
I0730 16:53:44.766740   55030 train.py:176] Training from step: 1. @  I  N  x/ H. o% U
I0730 16:53:47.289078   55030 train.py:217] Step #1: rate 0.001000, accuracy 7.0%, cross entropy 2.611571
  ?6 }2 s  y1 H- |2 k# A! H
. ~# ?: |9 @$ u4 kÕâ±íÃ÷³õʼ»¯¹ý³ÌÒѾ­Íê³É£¬ÑµÁ·Ñ­»·ÒѾ­¿ªÊ¼¡£Äú½«¿´µ½¸ÃÈÕÖ¾Êä³öÿ¸öѵÁ·²½µÄÐÅÏ¢¡£ÏÂÃæÏêϸ˵Ã÷Á˸ÃÈÕÖ¾ÐÅÏ¢µÄº¬Ò壺
1 L9 T) x. a+ `5 w
0 f# ], r; j4 C1 I3 c* l, p5 k) CStep #1 ±íÃ÷ÕýÔÚ½øÐÐѵÁ·Ñ­»·µÄµÚÒ»²½¡£ÔÚ´ËʾÀýÖÐ×ܹ²ÓÐ 18000 ¸öѵÁ·²½£¬Äú¿ÉÒԲ鿴²½±àºÅÀ´Á˽⻹ÓжàÉÙ²½¼´¿ÉÍê³É¡£
4 c2 Q; _' F& f3 Y" ]
& I- C2 E+ ^* M+ e+ Y6 @rate 0.001000 ÊÇ¿ØÖÆÍøÂçÈ¨ÖØ¸üÐÂËٶȵÄѧϰËÙÂÊ¡£ÔÚѵÁ·µÄÔçÆÚ½×¶Î£¬ËüÊÇÒ»¸öÏà¶Ô½Ï´óµÄÊý×Ö (0.001)£¬µ«ÔÚѵÁ·ÖÜÆÚµÄºóÆÚ»á¼õÉÙµ½Ô­À´µÄÊ®·ÖÖ®Ò»£¬¼´ 0.0001¡£1 s; g% \, ]4 [! S
8 M2 \! e' \# s- t5 I
accuracy 7.0% ±íʾģÐÍÔÚ±¾ÑµÁ·²½ÖÐÔ¤²âÕýÈ·µÄÀà±ðÊýÁ¿¡£¸Ãֵͨ³£»áÓнϴóµÄ²¨¶¯£¬µ«Ó¦¸Ã»áËæ×ÅѵÁ·µÄ½øÐÐ×ÜÌåÓÐËùÌá¸ß¡£¸ÃÄ£ÐÍ»áÊä³öÒ»¸öÊý×ÖÊý×飬ÿ¸ö±êÇ©¶ÔÓ¦Ò»¸öÊý×Ö£¬Ã¿¸öÊý×Ö¶¼±íʾÊäÈë¿ÉÄܹéÈë¸ÃÀà±ðµÄÔ¤²â¸ÅÂÊ¡£¿Éͨ¹ýÑ¡ÔñµÃ·Ö×î¸ßµÄÌõÄ¿À´ÌôѡԤ²â±êÇ©¡£µÃ·ÖʼÖÕ½éÓÚ 0 µ½ 1 Ö®¼ä£¬ÖµÔ½¸ß±íʾ½á¹ûµÄÖÃÐŶÈÔ½¸ß¡£# U- I/ ~* D+ {  T' H) u
  |- W; x& u7 t
cross entropy 2.611571 ÊÇÓÃÓÚÖ¸µ¼ÑµÁ·¹ý³ÌµÄËðʧº¯ÊýµÄ½á¹û¡£ËüÊÇÒ»¸öµÃ·Ö£¬Í¨¹ý½«µ±Ç°ÑµÁ·ÔËÐеĵ÷ÖÏòÁ¿ÓëÕýÈ·±êÇ©½øÐбȽϼÆËã¶ø³ö£¬¸ÃµÃ·ÖÓ¦ÔÚѵÁ·ÆÚ¼ä³ÊÏ»¬Ç÷ÊÆ¡£
3 M* [0 z! k8 t1 n' K9 e9 b# x* M2 B/ L8 q/ G# r
¾­¹ý 100 ²½Ö®ºó£¬ÄúÓ¦¿´µ½ÈçÏÂËùʾµÄÐУº
1 H+ o, h+ n" _8 G, q* w1 ]I0730 16:54:41.813438 55030 train.py:252] Saving to "/tmp/speech_commands_train/conv.ckpt-100"
0 C% n: C  Q9 ^
! s3 S4 K( C  Z9 L8 k9 n) Z´ËÐлὫµ±Ç°µÄѵÁ·È¨Öر£´æµ½¼ì²éµãÎļþÖС£Èç¹ûѵÁ·½Å±¾ÖжÏÁË£¬Äú¿ÉÒÔ²éÕÒÉϴα£´æµÄ¼ì²éµã£¬È»ºó½« --start_checkpoint=/tmp/speech_commands_train/conv.ckpt-100 ÓÃ×÷ÃüÁîÐвÎÊýÖØÆô¸Ã½Å±¾£¬ÒÔ±ã´Ó¸Ãµã¿ªÊ¼¡£6 v. r  n, e+ I! I/ G; Z
# i; s/ F9 Z7 O( d5 m2 A

5 }: x/ @2 K) f0 I  `»ìÏý¾ØÕó2 M+ t+ a& N+ Y, H7 g, V4 `
¾­¹ý 400 ²½Ö®ºó£¬Äú»á¿´µ½ÒÔÏÂÈÕÖ¾ÐÅÏ¢£º; v! w6 U& V7 |" S- ?( w
I0730 16:57:38.073667   55030 train.py:243] Confusion Matrix:
7 \0 s8 o. z' j! V' z1 m/ u [[258   0   0   0   0   0   0   0   0   0   0   0]
5 E) n& \" c6 n6 {% J4 M8 b5 x$ F5 M [  7   6  26  94   7  49   1  15  40   2   0  11]! \8 `: U5 u( R% Q# j1 |
[ 10   1 107  80  13  22   0  13  10   1   0   4]! [  g* F( l2 n( Y3 H8 Y9 n& b! ~4 Q/ C
[  1   3  16 163   6  48   0   5  10   1   0  17]/ W6 Y8 h: C/ \0 f5 N! G
[ 15   1  17 114  55  13   0   9  22   5   0   9]
( k% @8 c- J* Y  ?7 q [  1   1   6  97   3  87   1  12  46   0   0  10]
; t1 X) h2 S5 m# [ [  8   6  86  84  13  24   1   9   9   1   0   6]" E8 P  c& h) H0 f
[  9   3  32 112   9  26   1  36  19   0   0   9]
& [% K9 M0 W( K& o [  8   2  12  94   9  52   0   6  72   0   0   2]
1 b8 O& t/ f# L [ 16   1  39  74  29  42   0   6  37   9   0   3]# m) ]8 O, q6 b% X6 z6 R  H
[ 15   6  17  71  50  37   0   6  32   2   1   9]
4 G% {3 J0 C0 k  S- p0 r [ 11   1   6 151   5  42   0   8  16   0   0  20]]
+ E) H5 D) Q1 z/ y  j. y/ E  f4 A( k3 _
µÚÒ»²¿·ÖÊÇ»ìÏý¾ØÕó¡£ÒªÀí½âËüµÄ¾ßÌ庬Ò壬ÄúÊ×ÏÈÐèÒªÁ˽âËùÓõıêÇ©¡£ÔÚ±¾Ê¾ÀýÖУ¬ËùÓõıêÇ©ÊÇ ¡°silence¡±¡¢¡°unknown¡±¡¢¡°yes¡±¡¢¡°no¡±¡¢¡°up¡±¡¢¡°down¡±¡¢¡°left¡±¡¢¡°right¡±¡¢¡°on¡±¡¢¡°off¡±¡¢¡°stop¡± ºÍ ¡°go¡±¡£Ã¿Áдú±íÒ»×鱻ģÐÍÔ¤²âΪÿ¸ö±êÇ©µÄÑù±¾£¬Òò´ËµÚÒ»Áдú±íÔ¤²âΪÎÞÉùµÄËùÓÐÒôƵƬ¶Î£¬µÚ¶þÁдú±íÔ¤²âΪδ֪×ִʵÄËùÓÐÒôƵƬ¶Î£¬µÚÈýÁдú±íÔ¤²âΪ ¡°yes¡± µÄËùÓÐÒôƵƬ¶Î£¬ÒÀ´ËÀàÍÆ¡£, R$ r( s7 m: H& |( T, f
& M5 B7 n" F. g
ÿÐбíʾÒôƵƬ¶Îʵ¼Ê¹éÈëµÄ±êÇ©¡£µÚÒ»ÐÐÊǹéÈëÎÞÉùµÄËùÓÐÒôƵƬ¶Î£¬µÚ¶þÐÐÊǹéÈëδ֪×ִʵÄËùÓÐÒôƵƬ¶Î£¬µÚÈýÐÐÊǹéÈë ¡°yes¡± µÄËùÓÐÒôƵƬ¶Î£¬ÒÀ´ËÀàÍÆ¡£
! O+ q- X# L) I7 j9 A
5 Z/ h' e) l+ h. V! h# e2 X) e# [) S´Ë¾ØÕó±Èµ¥¸ö׼ȷÂʵ÷ָü¼ÓÓÐÓã¬ÒòΪËü¿ÉÒԺܺõØ×ܽáÍøÂç³öÏֵĴíÎó¡£ÔÚ´ËʾÀýÖУ¬Äú¿ÉÒÔ·¢ÏÖ£¬³ýÁ˵ÚÒ»¸öÊýÖµÒÔÍ⣬µÚÒ»ÐÐÖеÄËùÓÐÌõÄ¿¾ùΪ 0¡£ÒòΪµÚÒ»ÐбíʾËùÓÐʵ¼ÊÎÞÉùµÄÒôƵƬ¶Î£¬ÕâÒâζ×ÅËùÓÐÒôƵƬ¶Î¶¼Î´±»´íÎ󵨱ê¼ÇΪ×Ö´Ê£¬Òò´ËÎÒÃÇδµÃ³öÈκÎÓйØÎÞÉùµÄ¼Ù¸ºÀý¡£Õâ±íÊ¾ÍøÂçÒѾ­¿ÉÒԺܺõØÇø·ÖÎÞÉùºÍ×Ö´Ê¡£
+ F5 e. O& b$ M  N3 S- ]) P4 j1 ]1 c9 ~8 K* j! a) u" W7 ~( V) F
Èç¹ûÎÒÃÇÍùÏ¿´£¬¾Í»á·¢ÏÖµÚÒ»ÁÐÓдóÁ¿·ÇÁãÖµ¡£¸ÃÁбíʾԤ²âΪÎÞÉùµÄËùÓÐÒôƵƬ¶Î£¬Òò´ËµÚÒ»¸öµ¥Ôª¸ñÍâµÄÕýÊýÊÇ´íÎóµÄÔ¤²â¡£Õâ±íʾһЩʵ¼ÊÊÇÓïÒô×ִʵÄÒôƵƬ¶Î±»Ô¤²âΪÎÞÉù£¬Òò´ËÎÒÃǵóöÁ˺ܶà¼ÙÕýÀý¡£6 `& K9 d# a( }, r

3 B( `) E8 T; h, ^" v) ?8 JÍêÃÀµÄÄ£ÐÍ»áÉú³É»ìÏý¾ØÕ󣬳ýÁË´©¹ýÖÐÐĵĶԽÇÏßÉϵÄÌõÄ¿ÒÔÍ⣬ËùÓÐÆäËûÌõÄ¿¶¼Îª 0¡£·¢ÏÖÆ«ÀëÕâ¸öģʽµÄµØ·½ÓÐÖúÓÚÄúÁ˽âÄ£ÐÍ×îÈÝÒ×ÔÚÄÄЩ·½Ãæ»ìÏý£»È·¶¨ÎÊÌâËùÔÚºó£¬Äú¾Í¿ÉÒÔͨ¹ýÌí¼Ó¸ü¶àÊý¾Ý»òÇåÀíÀà±ðÀ´½â¾öÕâЩÎÊÌâ¡£( W: i7 U" f4 P; y4 [! A2 Q& ~

. h: v+ N8 @3 q! I5 A5 g# L
6 v5 J& _* _1 G9 ~( B$ yÑéÖ¤* o& w( z6 U" d* H( @3 Q
ÔÚ»ìÏý¾ØÕóÖ®ºó£¬ÄúÓ¦¿´µ½ÈçÏÂËùʾµÄÐУº4 ]* v+ I6 F$ @  B0 ~9 n+ e
I0730 16:57:38.073777 55030 train.py:245] Step 400: Validation accuracy = 26.3% (N=3093)" m0 y6 X' j5 a

9 _4 l6 t5 u6 ~* F3 M×îºÃ½«Êý¾Ý¼¯·Ö³ÉÈý¸öÀà±ð¡£×î´óµÄ×Ó¼¯£¨±¾Ê¾ÀýÖÐΪԼ 80% µÄÊý¾Ý£©ÓÃÓÚѵÁ·ÍøÂ磬½ÏСµÄ×Ó¼¯£¨±¾Ê¾ÀýÖÐΪԼ 10% µÄÊý¾Ý£¬³ÆÎª ¡°ÑéÖ¤¡± ¼¯£©Ô¤ÁôÏÂÀ´ÒÔÆÀ¹ÀѵÁ·ÆÚ¼äµÄ׼ȷÂÊ£¬ÁíÒ»¸ö×Ó¼¯£¨Ê£Ï嵀 10%£¬³ÆÎª ¡°²âÊÔ¡± ¼¯£©ÓÃÀ´ÆÀ¹ÀѵÁ·Íê³ÉºóµÄ׼ȷÂÊ¡£
# e1 {% H) k9 A# H
6 R$ Y2 |$ e$ {) U' r2 P! |' t$ `5 ^Ö®ËùÒÔ²ÉÓÃÕâÖÖ²ð·Ö·½·¨£¬ÊÇÒòΪʼÖÕ´æÔÚÕâÑùÒ»ÖÖ·çÏÕ£ºÍøÂçÔÚѵÁ·ÆÚ¼ä¿ªÊ¼¼ÇÒäÊäÈ롣ͨ¹ý½«ÑéÖ¤¼¯·ÖÀ뿪À´£¬¿ÉÒÔÈ·±£Ä£ÐÍÄܹ»´¦ÀíËü֮ǰ´Óδ¼û¹ýµÄÊý¾Ý¡£²âÊÔ¼¯ÊÇÒ»ÖÖ¶îÍâµÄ±£»¤´ëÊ©£¬¿ÉÒÔÈ·±£Äú²»½öÒÔÊʺÏѵÁ·¼¯ºÍÑéÖ¤¼¯µÄ·½Ê½µ÷ÕûÄ£ÐÍ£¬¶øÇÒʹģÐÍÄܹ»·º»¯µ½·¶Î§¸ü¹ãµÄÊäÈë¡£
+ y- l- O9 S3 c: ~
" X  \. f& X# B/ XѵÁ·½Å±¾»á×Ô¶¯½«Êý¾Ý¼¯·ÖΪÕâÈý¸öÀà±ð£¬ÉÏÃæµÄÈÕÖ¾ÐлáÏÔʾÔÚÑéÖ¤¼¯ÉÏÔËÐÐʱģÐ͵Ä׼ȷÂÊ¡£ÀíÏëÇé¿öÏ£¬¸Ã׼ȷÂÊÓ¦¸ÃÏ൱½Ó½üѵÁ·×¼È·ÂÊ¡£Èç¹ûѵÁ·×¼È·ÂÊÓÐËùÌá¸ßµ«Ñé֤׼ȷÂÊûÓУ¬Ôò±íÃ÷´æÔÚ¹ýÄâºÏ£¬Ä£ÐÍֻѧϰÁËÓйØÑµÁ·ÒôƵƬ¶ÎµÄÐÅÏ¢£¬¶øÃ»ÓÐѧϰÄÜ·º»¯µÄ¸ü¹ã·ºÄ£Ê½¡£! W% @. ?0 w' j; B5 _3 Y
% i2 p+ e& a5 ]7 ^3 x. X
* {4 v1 w& u' q3 j- \; W9 h+ H
Tensorboard
3 @0 a4 b: N5 MʹÓà Tensorboard ¿ÉÒԺܺõع۲ìѵÁ·½ø¶È¡£Ä¬ÈÏÇé¿öÏ£¬½Å±¾»á½«Ê¼þ±£´æµ½ /tmp/retrain_logs£¬Äú¿ÉÒÔͨ¹ýÔËÐÐÒÔÏÂÃüÁî¼ÓÔØÕâЩʼþ£º) n" C  S0 J% @4 ]/ a3 `
tensorboard --logdir /tmp/retrain_logs
' x1 X, }7 d" t) c' O
  t, n, q/ f8 ~+ oÈ»ºó£¬ÔÚä¯ÀÀÆ÷ÖÐתµ½ http://localhost:6006£¬Äú½«¿´µ½ÏÔʾģÐͽø¶ÈµÄͼ±í¡£
3 f1 y- W- [0 R7 r: M
& d; L. W5 U' p/ r 640.webp.jpg
ÊÕ²Ø
ËÍÔÞ
·ÖÏí

·¢±í»Ø¸´

µÇ¼ºó²ÅÄÜÆÀÂÛ

ÆÀÂÛÁÐ±í£¨3£©

mixbox Â¥Ö÷
ѵÁ·Íê³É
, ]1 t& T- r9 R6 I$ j1 A¾­¹ý¼¸¸öСʱ£¨¾ßÌåÈ¡¾öÓÚ¼ÆËã»úµÄËÙ¶È£©µÄѵÁ·ºó£¬½Å±¾Ó¦¸ÃÒѾ­Íê³ÉÁËÈ«²¿ 18000 ¸öѵÁ·²½¡£Ëü»áÊä³öÔÚ²âÊÔ¼¯ÉÏÔËÐÐʱµÄ×îÖÕ»ìÏý¾ØÕóÒÔ¼°×¼È·Âʵ÷֡£Ê¹ÓÃĬÈÏÉèÖÃʱ£¬ÄúÓ¦¸Ã»á¿´µ½×¼È·ÂʽéÓÚ 85% µ½ 90% Ö®¼ä¡£
. G2 l7 h0 ]: ?" H" a+ w" E- O' c# j, f! a9 z
ÓÉÓÚÒôƵʶ±ðÔÚÒÆ¶¯É豸ÉÏÌØ±ðÓÐÓã¬Òò´Ë½ÓÏÂÀ´ÎÒÃǻὫÆäµ¼³öΪÒ×ÓÚÔÚÕâЩƽ̨ÉÏʹÓõĽô´Õ¸ñʽ¡£Îª´Ë£¬ÇëÔËÐÐÒÔÏÂÃüÁîÐУº" u/ @; }3 I7 |. N
python tensorflow/examples/speech_commands/freeze.py \
# ~  b) `2 p+ u( j: [$ \/ e--start_checkpoint=/tmp/speech_commands_train/conv.ckpt-18000 \
6 Y/ g/ l: h9 {# A$ G& ?2 Z, P--output_file=/tmp/my_frozen_graph.pb+ m5 m: s% \! Z
/ p) c6 V& G( X1 J
´´½¨¶³½áÄ£Ðͺó£¬Äú¿ÉÒÔʹÓà label_wav.py ½Å±¾¶ÔÆä½øÐвâÊÔ£¬ÈçÏÂËùʾ£º9 L! W0 {; n- E- O' y
python tensorflow/examples/speech_commands/label_wav.py \
, C4 R6 L0 V4 E8 r--graph=/tmp/my_frozen_graph.pb \
* D* A0 v/ T8 e. V* Y- C9 U--labels=/tmp/speech_commands_train/conv_labels.txt \
. q# U$ v; H. V8 @% G- g' M--wav=/tmp/speech_dataset/left/a5d485dc_nohash_0.wav8 F. g/ d) j: y- g7 ^
/ [1 O+ v6 e7 H: P& a) k  e5 h& `
ÉÏÊöÃüÁîÓ¦¸Ã»áÊä³ö 3 ¸ö±êÇ©£º
% ?) Y5 i% M* S& M( d0 [" q& \left (score = 0.81477)2 S9 `* l7 Z  n, ]" `  G) D
right (score = 0.14139)6 z- b: `& Y1 b6 k& m# `4 A  Y5 z" V  h' A
_unknown_ (score = 0.03808)6 i" {- [7 N/ x  G& [: h3 w

3 Y( H) @% r- t; a5 j* v) v; Q! WÏ£Íû ¡°left¡± µÄµÃ·Ö×î¸ß£¬ÒòΪËüÊÇÕýÈ·µÄ±êÇ©£¬µ«ÓÉÓÚѵÁ·ÊÇËæ»úµÄ£¬Òò´Ë³¢ÊԵĵÚÒ»¸öÎļþ¿ÉÄܲ¢·ÇÈç´Ë¡£³¢ÊÔÒ»ÏÂͬһÎļþ¼ÐÖÐµÄÆäËûһЩ .wav Îļþ£¬¿´¿´Ð§¹ûÈçºÎ¡£% P; k0 u/ O- w' w+ V
5 P0 B0 W4 b) t$ v/ Y5 p6 t3 `) l
µÃ·Ö½éÓÚ 0 µ½ 1 Ö®¼ä£¬ÖµÔ½¸ß±íʾģÐÍ¶ÔÆäÔ¤²âÔ½ÓÐÐÅÐÄ¡£" t' s) h" K- v9 O# c, k$ g
7 _7 {+ y* t& b, w& E/ Q; i

% q+ |0 p: e7 YÔÚ Android Ó¦ÓÃÖÐÔËÐÐÄ£ÐÍ
0 h. o5 w' X, W3 R: T1 lÒª²é¿´¸ÃÄ£ÐÍÔÚʵ¼ÊÓ¦ÓÃÖеŤ×÷Ô­Àí£¬×î¼òµ¥µÄ·½·¨ÊÇÏÂÔØÔ¤¹¹½¨µÄ Android ÑÝʾӦÓ㬲¢½«Æä°²×°ÔÚÊÖ»úÉÏ¡£Äú»áÔÚÓ¦ÓÃÁбíÖп´µ½ ¡°TF Speech¡±£¬´ò¿ªËü¾Í»á¿´µ½ÎÒÃǸոÕѵÁ·Ä£ÐÍʱʹÓõ͝´ÊÁÐ±í£¨ÒÔ ¡°Yes¡± ºÍ ¡°No¡± ¿ªÊ¼£©¡£ÊÚȨ¸ÃÓ¦ÓÃʹÓÃÂó¿Ë·çÒÔºó£¬ÄúÓ¦¸Ã¿ÉÒÔÊÔ×Å˵³öÕâЩ×Ö´Ê£¬ÔÚ¸ÃÄ£ÐÍʶ±ð³öÆäÖÐÒ»¸ö×Ö´Êʱ£¬Äú»áÔÚ½çÃæÖп´µ½ÏàÓ¦×Ö´ÊÍ»³öÏÔʾ³öÀ´¡£
; R% z7 U7 Y2 M* h/ M  l( @+ v% ^/ P2 E  m1 p
Äú»¹¿ÉÒÔ×ÔÐй¹½¨¸ÃÓ¦Óã¬ÒòΪËüÊÇ¿ªÔ´µÄ£¬¿ÉÔÚ GitHub É쵀 TensorFlow ´úÂë¿âÖÐÕÒµ½¡£Ä¬ÈÏÇé¿öÏ£¬Ëü»á´Ó tensorflow.org ÏÂÔØÔ¤ÑµÁ·µÄÄ£ÐÍ£¬µ«Äú¿ÉÒÔÇáËɵؽ«ÆäÌæ»»Îª×Ô¼ºÑµÁ·µÄÄ£ÐÍ¡£Èç¹ûÕâÑù×ö£¬ÄúÐèҪȷ±£Ö÷Òª SpeechActivity Java Ô´ÎļþÖеij£Á¿£¨ÀýÈç SAMPLE_RATE ºÍ SAMPLE_DURATION£©ÓëÄúÔÚѵÁ·ÆÚ¼ä¶ÔĬÈÏÉèÖÃËù×öµÄÈκθü¸ÄÏàÆ¥Åä¡£Äú»¹»á¿´µ½Ò»¸ö Java °æ±¾µÄ RecognizeCommands Ä£¿é£¬ËüÓë±¾½Ì³ÌÖÐµÄ C++ °æ±¾·Ç³£ÏàËÆ¡£Èç¹ûÄúÒѾ­µ÷ÕûÁ˲ÎÊý£¬Ò²¿ÉÒÔÔÚ SpeechActivity ÖнøÐиüУ¬ÒÔ»ñµÃÓë·þÎñÆ÷²âÊÔÖеĽá¹ûÏàͬµÄ½á¹û¡£0 |/ z" f2 b4 u* m7 M0 m
' X" L% ]* j7 C  [: _- K% _' G
ÑÝʾӦÓûá¸ù¾ÝÄú¸´ÖƵ½×ÊÔ´£¨Î»ÓÚ¶³½áͼÅԱߣ©ÖеıêÇ©Îı¾Îļþ×Ô¶¯¸üÐÂÆä½á¹û½çÃæÁÐ±í£¬ÕâÒâζ×ÅÄú¿ÉÒÔÇáËɳ¢ÊÔ²»Í¬µÄÄ£ÐÍ£¬¶øÎÞÐè¸ü¸ÄÈκδúÂë¡£Èç¹û¸ü¸Ä·¾¶£¬ÔòÐèÒª¸üРLABEL_FILENAME ºÍ MODEL_FILENAME ÒÔÖ¸ÏòËùÌí¼ÓµÄÎļþ¡£/ z( u5 c* x" G/ u5 s
) w% g2 @# [  `$ D6 D
* \( d% b* |# h: N: d. h; `" y
´ËÄ£Ð͵Ť×÷Ô­Àí
: y& h- Y2 j1 b5 Y3 j±¾½Ì³ÌÖÐʹÓõļܹ¹»ùÓÚСÐ͹ؼü×Ö¼ì²â¾í»ýÉñ¾­ÍøÂçÕâÆªÂÛÎÄÖнéÉܵÄһЩ¼Ü¹¹¡£Ö®ËùÒÔÑ¡ÔñËü£¬ÊÇÒòΪËüËäÈ»²»ÊÇ×îÏȽøµÄ¼Ü¹¹£¬µ«ÊÇÏà¶Ô¼òµ¥¡¢¿É¿ìËÙѵÁ·£¬²¢ÇÒÒ×ÓÚÀí½â¡£¿ÉÒÔͨ¹ý¶àÖÖ·½·¨¹¹½¨ÓÃÓÚ´¦ÀíÒôƵµÄÉñ¾­ÍøÂçÄ£ÐÍ£¬ÆäÖаüÀ¨µÝ¹éÍøÂç»òÀ©ÕÅ£¨´ø¶´£©¾í»ý¡£¶ÔÓÚ±¾½Ì³ÌËù»ùÓڵľí»ýÍøÂçÀàÐÍ£¬½Ó´¥¹ýͼÏñʶ±ðµÄÈË¿ÉÄܶ¼ºÜÊìϤ¡£²»¹ý£¬³õ´Î½Ó´¥Ê±Ò²¿ÉÄÜ»á¾õµÃ²»¿É˼Ò飬ÒòΪÒôƵ±¾ÉíÊÇÒ»¶Îʱ¼äÄÚµÄһάÁ¬ÐøÐźţ¬¶ø²»ÊǶþά¿Õ¼äÎÊÌâ¡£; A: j/ U5 F: ?9 s- b4 f
2 v1 [* }# R! F7 P2 H& g) }0 }& @
ΪÁ˽â¾öÕâÒ»ÎÊÌ⣬ÎÒÃǻᶨÒåÒ»¸öÎÒÃÇÈÏΪÎÒÃǵÄÓïÒô×Ö´ÊÓ¦¸Ã·ûºÏµÄʱ¼ä·¶Î§£¬²¢½«Õâ¶Îʱ¼äÄÚµÄÒôƵÐźÅת»»³ÉͼÏñ¡£Îª´Ë£¬¿ÉÒÔ½«´«ÈëµÄÒôƵÑù±¾·Ö³ÉС¶Î£¨Ê±³¤½öΪ¼¸ºÁÃ룩²¢¼ÆËãÒ»×鯵¶ÎÄÚÆµÂʵÄÇ¿¶È¡£Ò»¶ÎÒôƵÄÚµÄÿ×鯵ÂÊÇ¿¶È±»ÊÓΪÊý×ÖÏòÁ¿£¬ÕâЩÏòÁ¿°´Ê±¼ä˳ÐòÅÅÁУ¬ÐγÉÒ»¸ö¶þάÊý×顣Ȼºó£¬¸ÃÖµÊý×é¿É±»ÊÓΪµ¥Í¨µÀͼÏñ£¬³ÆÎªÉùÆ×ͼ¡£Èç¹ûÒª²é¿´ÒôƵÑù±¾Éú³ÉµÄͼÏñÀàÐÍ£¬¿ÉÒÔÔËÐÐ wav_to_spectrogram ¹¤¾ß£º" o; s3 t$ M* E: b# v' ~/ o! |
bazel run tensorflow/examples/wav_to_spectrogram:wav_to_spectrogram -- \, U. [" F5 ]6 Q6 L+ S/ s
--input_wav=/tmp/speech_dataset/happy/ab00c4b2_nohash_0.wav \8 t  P1 F- ^5 U7 j6 [
--output_image=/tmp/spectrogram.png& D( a" l* J! [

/ j9 c' R. Q4 P+ |+ a1 m: m0 gÈç¹ûÄú´ò¿ª /tmp/spectrogram.png£¬Ó¦¸Ã»á¿´µ½ÈçÏÂÄÚÈÝ£º! A1 s: `* B( f6 J3 B5 y7 t

! @5 ]4 y; m) i6 g% H
/ B' A8 {% h( C1 F! ]/ L cp_768_Screenshot_3.jpg # v- R2 d/ c! z: ?5 T
ÓÉÓÚ TensorFlow µÄÄÚ´æÅÅÐòÔ­Òò£¬¸ÃͼÏñÖеÄʱ¼ä´ÓÉÏÍùÏÂÖð½¥Ôö¼Ó£¬¶øÆµÂÊ´Ó×óµ½ÓÒÅÅÁУ¬ÕâÓëʱ¼ä´Ó×óµ½ÓÒÅÅÁеÄÉùÆ×ͼ¹ßÀý²»Í¬¡£ÄúÓ¦¸ÃÄܹ»¿´µ½¼¸¸ö²»Í¬µÄ²¿·Ö£¬µÚÒ»¸öÒô½Ú ¡°Ha¡± Óë ¡°ppy¡± ²»Í¬¡£
2 B- b4 p/ ^1 Q& t5 e9 r  {7 w
8 G7 w2 C# \" z6 _( H1 F/ mÓÉÓÚÈ˶ú¶ÔijЩƵÂʸü¼ÓÃô¸Ð£¬Òò´ËÓïÒôʶ±ðÁìÓò´«Í³µÄ×ö·¨ÊǽøÒ»²½´¦Àí¸Ã±íʾ·¨£¬½«Æäת»»³ÉÒ»×é÷¶ûµ¹ÆµÆ×ϵÊý£¨¼ò³Æ MFCC£©¡£MFCC Ò²ÊÇÒ»ÖÖ¶þάµ¥Í¨µÀ±íʾ·¨£¬Òò´ËÒ²¿É½«ÆäÊÓΪͼÏñ¡£Èç¹ûÄúµÄÄ¿±êÊÇÒ»°ãÉùÒô¶ø²»ÊÇÓïÒô£¬Äú¿ÉÒÔÌø¹ý´Ë²½Öè²¢Ö±½ÓÔÚÉùÆ×ͼÉϽøÐвÙ×÷¡£
5 x0 ^) r/ U& H: U1 U
' l; o& ~4 y0 N4 w* i) H( MÈ»ºó£¬ÕâЩ´¦Àí²½ÖèÉú³ÉµÄͼÏñ»áÀ¡Ë͵½¶à²ã¾í»ýÉñ¾­ÍøÂçÖУ¬×îºóÊÇÈ«Á¬½Ó²ã£¬ºó¸ú softmax¡£Äú¿ÉÒÔÔÚÒÔÏÂλÖÃÁ˽â¸Ã²¿·ÖµÄ¶¨Ò壺tensorflow/examples/speech_commands/models.py¡£/ g' J; z# m1 r' Q8 C
2007-3-29 17:20:38 »Ø¸´
mixbox Â¥Ö÷
Á÷ʽ´¦Àí׼ȷÂÊ) }- A& Z) W7 `
´ó²¿·ÖÒôƵʶ±ðÓ¦ÓÃÐèÒªÔÚÁ¬ÐøµÄÒôƵÁ÷ÉÏÔËÐУ¬¶ø²»ÊÇÔÚµ¥¸öÒôƵƬ¶ÎÉÏÔËÐС£ÔÚ´Ë»·¾³ÖÐʹÓÃÄ£Ð͵ĵäÐÍ·½·¨ÊÇÔÚ²»Í¬µÄʱ¼äÆ«ÒÆÁ¿´¦Öظ´Ó¦ÓøÃÄ£ÐÍ£¬²¢¼ÆËãһС¶Îʱ¼äÄÚ½á¹ûµÄƽ¾ùÖµ£¬ÒÔÉú³Éƽ»¬Ô¤²â¡£Èç¹ûÄú½«ÊäÈëÊÓΪͼÏñ£¬ÔòËü½«ÑØÊ±¼äÖá³ÖÐø¹ö¶¯¡£ÎÒÃÇÏëҪʶ±ðµÄ×Ö´Ê¿ÉÄÜÔÚÈÎÒâʱ¼äµã³öÏÖ£¬Òò´Ë£¬ÎÒÃÇÐèÒªÅÄÉãһϵÁпìÕÕ£¬ÒÔ±ãÓлú»áÉú³ÉÒ»ÖÖ¶ÔÆë·½Ê½£¬ÓÃÓÚ²¶»ñÔÚÎÒÃÇÀ¡Ë͵½Ä£Ð͵Äʱ¼ä¶ÎÄÚ³öÏֵĴ󲿷ÖÓïÒôÄÚÈÝ¡£Èç¹ûÎÒÃÇÒÔ×ã¹»¿ìµÄËٶȲÉÑù£¬ÄÇôÎÒÃǾͺÜÓпÉÄÜÔÚ¶à¸öʱ¼ä¶ÎÄÚ²¶»ñÏà¹Ø×Ö´Ê£¬Òò´Ë¼ÆËã½á¹ûµÄƽ¾ùÖµ¿ÉÒÔÌá¸ßÔ¤²âµÄÕûÌåÖÃÐŶȡ£
6 H7 i! _  [- U) e+ t, y4 F
* m) w. @, j( i& t4 |4 @6 cÓйØÈçºÎ¶ÔÁ÷ʽÊý¾ÝʹÓÃÄ£Ð͵ÄʾÀý£¬Çë²é¿´ test_streaming_accuracy.cc£¨https://www.tensorflowers.cn/t/7512£©¡£¸ÃʾÀýʹÓà RecognizeCommands£¨https://www.tensorflowers.cn/t/7514£©Àà´¦ÀíÒ»¸ö½Ï³¤µÄÊäÈëÒôƵ¡¢³¢ÊÔ¼ì²â×Ö´Ê£¬²¢½«ÕâЩԤ²â½á¹ûÓë±êÇ©ºÍʱ¼äµÄÕæÊµÁÐ±í½øÐжԱȡ£¸ÃʾÀý¿ÉÇå³þ˵Ã÷ÈçºÎ½«Ä£ÐÍÓ¦ÓÃÓÚÒ»¶Îʱ¼äÄÚµÄÒôƵÐźÅÁ÷¡£
* O0 P! _6 ~4 I: n" d# d5 E& S  w: f3 ^4 \: _: Y- ~
Òª²âÊÔÄ£ÐÍ£¬ÄúÐèҪʹÓÃÒ»¸öʱ³¤½Ï³¤µÄÒôƵÎļþ£¬ÒÔ¼°±êעÿ¸öÓïÒô×ִʳöÏÖλÖõıêÇ©Îļþ¡£Èç¹ûÄú²»Ïë×Ô¼ºÂ¼ÖÆÒôƵ£¬¿ÉÒÔʹÓà generate_streaming_test_wav ʵÓóÌÐòÉú³ÉһЩºÏ³É²âÊÔÊý¾Ý¡£Ä¬ÈÏÇé¿öÏ£¬¸ÃʵÓóÌÐò»áÉú³ÉÒ»¸öʱ³¤Îª 10 ·ÖÖ .wav Îļþ£¨ÆäÖдóԼÿ¸ô 3 Ãë³öÏÖÒ»¸öÓïÒô×Ö´Ê£©£¬ÒÔ¼°Ò»¸ö°üº¬×Ö´ÊÓïÒôʵ¼Ê³öÏÖʱ¼äµÄÎı¾Îļþ¡£ÕâЩ×Ö´ÊÀ´×Ôµ±Ç°Êý¾Ý¼¯µÄ²âÊÔ²¿·Ö£¬Óë±³¾°ÔëÉù»ìÔÚÒ»Æð¡£ÒªÔËÐиÃÎļþ£¬ÇëʹÓãº' X' A; A4 G3 t6 \& J. p
bazel run tensorflow/examples/speech_commands:generate_streaming_test_wav
2 E+ j$ D7 ]: L  U: M# j! t7 ]1 {3 L( @
¸ÃÃüÁî»á½« .wav Îļþ±£´æµ½ /tmp/speech_commands_train/streaming_test.wav£¬²¢½«Áгö±êÇ©µÄÎı¾Îļþ±£´æµ½ /tmp/speech_commands_train/streaming_test_labels.txt¡£È»ºó£¬Äú¿ÉÒÔͨ¹ýÒÔÏÂÃüÁîÔËÐÐ׼ȷÂʲâÊÔ£º
4 X" J+ J$ W( pbazel run tensorflow/examples/speech_commands:test_streaming_accuracy -- \* e0 L! e; Q' t' s' s4 J
--graph=/tmp/my_frozen_graph.pb \- n5 d* L  |$ L0 l
--labels=/tmp/speech_commands_train/conv_labels.txt \
+ P4 R3 Y( ^6 j" Q--wav=/tmp/speech_commands_train/streaming_test.wav \- Y. e9 H; Y( W" H4 z2 ]
--ground_truth=/tmp/speech_commands_train/streaming_test_labels.txt \4 w/ B& C# f  |. M' q% L
--verbose0 {0 S6 G( i: \8 j
, C, W4 U7 j: y) G' V+ |; d
¸ÃÃüÁî»áÊä³öÒÔÏÂÐÅÏ¢£º×Ö´ÊÓë±êǩƥÅäÕýÈ·µÄ×Ö´ÊÊýÁ¿¡¢Ô¤²âΪ´íÎó±êÇ©µÄ×Ö´ÊÊýÁ¿£¬ÒÔ¼°Ã»ÓÐʵ¼ÊÓïÒôÄÚÈÝʱ´¥·¢Ä£Ð͵ĴÎÊý¡£ÓжàÖÖ²ÎÊý¿ÉÒÔ¿ØÖÆÆ½¾ùÐźŲÙ×÷µÄÐÐΪ£¬ÆäÖаüÀ¨ --average_window_ms£¨ÉèÖüÆËã½á¹ûƽ¾ùÖµµÄʱ³¤£©¡¢--clip_stride_ms£¨±íʾӦÓÃÄ£Ð͵ļä¸ôʱ¼ä£©¡¢--suppression_ms£¨ÔÚ·¢ÏÖµÚÒ»¸ö×ִʺóµÄÒ»¶Îʱ¼äÄÚ×èÖ¹´¥·¢ºóÐø×ִʼì²â£©£¬ÒÔ¼° --detection_threshold£¨¿ØÖÆÆ½¾ùµÃ·Ö±ØÐë´ïµ½¶àÉٲſɱ»ÊÓΪÎȶ¨½á¹û£©¡£' l/ ]" c; y+ i6 l% m7 m

3 g. C& I# M6 u* f6 |Äú½«¿´µ½Á÷ʽ׼ȷÂÊÊä³ö 3 ¸öÊý×Ö£¬¶ø²»½ö½öÊÇѵÁ·ÖÐʹÓõÄÒ»¸öÖ¸±ê¡£ÕâÊÇÒòΪ²»Í¬µÄÓ¦ÓþßÓв»Í¬µÄÒªÇ󣬯äÖÐһЩӦÓÿÉÒÔÈÝÈÌÆµ·±µÄ´íÎó½á¹û£¬Ö»ÒªÕÒµ½ÁËʵ¼Ê×Ö´Ê£¨½Ï¸ßµÄÕÙ»ØÂÊ£©¾ÍÐУ»»¹ÓÐһЩӦÓ÷dz£×¢ÖØÈ·±£Ô¤²â³öµÄ±êÇ©ºÜÓпÉÄÜÕýÈ·£¬¼´±ãδ¼ì²âµ½Ò»Ð©×Ö´Ê£¨½Ï¸ßµÄ¾«È·ÂÊ£©¡£Äú¿ÉÒÔ¸ù¾Ý¸Ã¹¤¾ßÌṩµÄÊý×ÖÁ˽âÄ£ÐÍÔÚÓ¦ÓÃÖеÄЧ¹û£¬»¹¿ÉÒÔ³¢ÊÔµ÷ÕûÐÅºÅÆ½¾ù²ÎÊýÀ´µ÷ÕûÄ£ÐÍ£¬ÒÔ»ñµÃËùÐèµÄЧ¹û¡£ÒªÁ˽âÊÊÓÃÓÚÄúÓ¦ÓõIJÎÊý£¬Äú¿ÉÒԲ鿴Éú³ÉµÄ ROC ÇúÏßÀ´È¨ºâÀû±×¡£
! x$ W% A' j) S4 ?0 W4 k
/ J5 f; M% n0 K: ?9 b: n6 h" r7 T! K/ ?( S6 O5 m
RecognizeCommands) `# e0 F% l; ^, E6 `& o2 v* s
Á÷ʽ׼ȷÂʹ¤¾ßʹÓÃÒ»¸ö¼òµ¥µÄ½âÂëÆ÷£¬¸Ã½âÂëÆ÷°üº¬ÔÚÃûΪ RecognizeCommands µÄСÐÍ C++ ÀàÖС£¸ÃÀà»á»ñµÃÔÚÒ»¶Îʱ¼äÄÚÔËÐÐ TensorFlow Ä£Ð͵ÄÊä³ö£¬È»ºó¼ÆËãÐÅºÅµÄÆ½¾ùÖµ£¬²¢ÔÚÓгä·ÖÖ¤¾Ý±íÃ÷ÒÑ·¢ÏÖ¿Éʶ±ðµÄ×Ö´Êʱ·µ»ØÓйرêÇ©µÄÐÅÏ¢¡£Õâ¸öʵÏֵĹæÄ£ºÜС£¬Ö»Ðè¸ú×Ù×îºó¼¸ÌõÔ¤²â²¢¼ÆËãÆ½¾ùÖµ¼´¿É£¬Òò´Ë¿É¸ù¾ÝÐèÒªÇáËÉÒÆÖ²µ½ÆäËûƽ̨ºÍÓïÑÔ¡£ÀýÈ磬ÔÚ Android ÉÏ¿ÉÒÔͨ¹ý Java ºÜ·½±ãµØÖ´ÐÐÏàËÆµÄ²Ù×÷£¬»òÕßÔÚÊ÷Ý®ÅÉÉÏʹÓà Python Ö´ÐÐÏàËÆµÄ²Ù×÷¡£Ö»ÒªÕâЩʵÏÖ²ÉÓÃÏàͬµÄÂß¼­£¬Äú¾Í¿ÉÒÔʹÓÃÁ÷ʽ²âÊÔ¹¤¾ßµ÷Õû¿ØÖƼÆËãÆ½¾ùÖµµÄ²ÎÊý£¬È»ºó½«ÕâЩ²ÎÊýתµ½Ó¦ÓÃÖÐÒÔ»ñÈ¡ÀàËÆµÄ½á¹û¡£7 O0 P$ P, l) j$ a- Z6 C

0 x- H  z9 q! V5 }& E: h
4 M  L& i5 J2 y4 w: n3 [¸ß¼¶ÑµÁ·
6 p7 V4 X) I5 y" s* N% o1 z( [ѵÁ·½Å±¾µÄĬÈÏÉèÖÃÖ¼ÔÚÔÚÒ»¸öÏà¶Ô½ÏСµÄÎļþÖÐÉú³ÉÁ¼ºÃµÄ¶Ëµ½¶Ë½á¹û£¬µ«Äú¿ÉÒÔ¸ù¾Ý×Ô¼ºµÄÒªÇó¸ü¸Ä¶à¸öÑ¡ÏîÒÔ×Ô¶¨Òå½á¹û¡£
4 K8 g6 }+ y; o4 ?: Y
  r: [" ]/ H$ V+ K, }×Ô¶¨ÒåѵÁ·Êý¾Ý
7 S0 X1 ^; n0 R9 nĬÈÏÇé¿öÏ£¬½Å±¾½«ÏÂÔØ Speech Commands Êý¾Ý¼¯£¬µ«ÄúÒ²¿ÉÌṩ×Ô¼ºµÄѵÁ·Êý¾Ý¡£ÒªÊ¹ÓÃÄú×Ô¼ºµÄÊý¾Ý½øÐÐѵÁ·£¬ÄúӦȷ±£ÄúҪʶ±ðµÄÿ¸öÉùÒôÖÁÉÙÓм¸°ÙÌõ¼Òô£¬²¢°´ÕÕÀà±ð½«ËüÃÇÕûÀíµ½Îļþ¼ÐÖС£ÀýÈ磬Èç¹ûÄú³¢ÊÔÈÃÄ£ÐÍÇø·Ö¹··ÍÉùºÍè½ÐÉù£¬ÔòÐèÒª´´½¨Ò»¸öÃûΪ animal_sounds µÄ¸ùÎļþ¼Ð£¬È»ºóÔÚ¸ÃÎļþ¼ÐÏ´´½¨Á½¸ö·Ö±ðÃûΪ bark ºÍ miaow µÄ×ÓÎļþ¼Ð¡£È»ºó£¬½«ÒôƵÎļþÕûÀíµ½ÏàÓ¦Îļþ¼ÐÖС£
1 K8 e8 c! T  s+ H6 B) j" _
  J/ r  \/ r/ w" C( @* N! J0 bÒª½«½Å±¾Ö¸ÏòеÄÒôƵÎļþ£¬ÄúÐèÒªÉèÖà --data_url= ÒÔ×èÖ¹ Speech Commands Êý¾Ý¼¯µÄÏÂÔØ£¬²¢ÉèÖà --data_dir=/your/data/folder/ ÒÔ²éÕÒÄú¸Õ¸Õ´´½¨µÄÎļþ¡£4 c# ~. i: |6 x- r
3 R3 p1 Y# f1 Q* B9 C. ]$ J
ÕâЩÎļþ±¾ÉíÓ¦ÊÇ 16 λÓÐС¶Ë×Ö½ÚÐòÇÒ²ÉÓà PCM ±àÂëµÄ WAVE ¸ñʽ¡£²ÉÑùÂÊĬÈÏΪ 16000£¬µ«ÊÇ¿ÉÒÔʹÓà --sample_rate ²ÎÊý¸ü¸Ä²ÉÑùÂÊ£¬Ö»ÒªËùÓÐÒôƵʼÖÕ±£³ÖÏàͬµÄ²ÉÓÃÂÊ£¨½Å±¾²»Ö§³ÖÖØÐ²ÉÑù£©¼´¿É¡£ÒôƵƬ¶ÎÒ²Ó¦±£³Ö´óÖÂÏàͬµÄʱ³¤¡£Ä¬ÈÏÔ¤ÆÚʱ³¤Îª 1 Ã룬µ«Äú¿ÉÒÔʹÓà --clip_duration_ms ±ê¼ÇÉèÖÃʱ³¤¡£Èç¹ûÒôƵƬ¶ÎÔÚ¿ªÍ·µÄÎÞÉùʱ³¤²»Í¬£¬Ôò¿ÉÒÔ¿¼ÂÇʹÓÃ×Ö´Ê¶ÔÆë¹¤¾ß±ê×¼»¯ÕâЩÒôƵƬ¶Î¡£
. a3 h" K  j6 j& a9 D9 r, Z
8 h/ M" ?4 U0 L0 R0 W/ [% I, k+ m0 M5 rÐèҪעÒâÒ»¸öÎÊÌ⣬Êý¾Ý¼¯ÖпÉÄÜ´æÔÚÏàͬÉùÒôµÄ·Ç³£ÀàËÆµÄÖØ¸´£¬Èç¹ûÕâÐ©ÖØ¸´·Ö²¼ÔÚѵÁ·¼¯¡¢ÑéÖ¤¼¯ºÍ²âÊÔ¼¯ÖУ¬¿ÉÄÜ»á²úÉúÎóµ¼ÐÔÖ¸±ê¡£ÀýÈ磬Speech Commands ¼¯ºÏÈÃÈËÃǶà´ÎÖØ¸´ÏàͬµÄ×Ö´Ê¡£ÕâÐ©ÖØ¸´µÄÓïÒôÖ®¼ä¿ÉÄÜ»á·Ç³£ÏàËÆ£¬Èç¹ûѵÁ·³öÏÖ¹ýÄâºÏ²¢¼ÇסÆäÖÐÒ»¸ö£¬ÔòÄ£ÐÍÔÚ²âÊÔ¼¯Öз¢Ïַdz£ÀàËÆµÄ¸±±¾Ê±»á¸ø³ö¹ýºÃµÄÔ¤²â¡£ÎªÁ˱ÜÃâÕâÖÖ·çÏÕ£¬Speech Commands ŬÁ¦È·±£½«Í¬Ò»ÈË·¢³öµÄÏàͬ×ִʵĶà¸öÒôƵƬ¶Î·ÅÈëͬһÊý¾Ý¼¯ÖС£ÒôƵƬ¶Î¸ù¾ÝÆäÎļþÃûµÄ¹þÏ£Öµ·ÖÅ䵽ѵÁ·¼¯¡¢²âÊÔ¼¯»òÑéÖ¤¼¯ÖУ¬ÕâÑùÒ»À´£¬¼´Ê¹Ìí¼ÓеÄÒôƵƬ¶Î£¬Ò²ÄÜÈ·±£·ÖÅäÊÇÎȶ¨µÄ£¬²¢±ÜÃâѵÁ·Ñù±¾×ªÒƵ½ÆäËû¼¯ºÏ¡£ÎªÁËÈ·±£Í¬Ò»Î»Ö¸¶¨·¢ÉùÈ˵ÄËùÓÐ×Ö´ÊÓïÒô¶¼Î»ÓÚͬһÊý¾Ý¼¯ÖУ¬¹þÏ£º¯ÊýÔÚ¼ÆËã·ÖÅäʱ»áºöÂÔÎļþÃûÖÐ ¡°nohash¡± Ö®ºóµÄËùÓÐÄÚÈÝ¡£ÕâÒâζ×ÅÈç¹ûÄúÓÐ pete_nohash_0.wav ºÍ pete_nohash_1.wav ÕâÑùµÄÎļþÃû£¬ÔòËüÃǿ϶¨Î»ÓÚͬһ¼¯ºÏÖС£8 H+ A0 q+ L' i& k
+ g/ f' h) {( N" K$ c( f1 K
δ֪Àà±ð
- [' _( b  {8 t6 {8 P# N0 BÓ¦ÓÿÉÄÜ»áÌýµ½ÑµÁ·¼¯Ö®ÍâµÄÉùÒô£¬²¢ÇÒÄúÏ£ÍûÄ£ÐͱíÃ÷ËüÎÞ·¨Ê¶±ðÕâЩÇé¿öϵÄÔëÉù¡£ÎªÁ˰ïÖúÍøÂçѧϰҪºöÂÔÄÄЩÉùÒô£¬ÄúÐèÒªÌṩһЩ²»ÊôÓÚÈκÎÀà±ðµÄÒôƵƬ¶Î¡£Îª´Ë£¬ÄúÐèÒª´´½¨ quack¡¢oink ºÍ moo ×ÓÎļþ¼Ð£¬²¢Ê¹ÓÃÓû§¿ÉÄÜ»áÌýµ½µÄÆäËû¶¯ÎïµÄÔëÉùÌî³äÕâЩ×ÓÎļþ¼Ð¡£ÔÚѵÁ·ÆÚ¼ä£¬½Å±¾µÄ --wanted_words ²ÎÊý¶¨ÒåÄú¹Ø×¢µÄÀà±ð£¬×ÓÎļþ¼ÐÃû³ÆÖÐÌáµ½µÄËùÓÐÆäËûÀà±ðÓÃÓÚÌî³ä _unknown_ Àà±ð¡£Speech Commands Êý¾Ý¼¯ÖеÄδ֪Àà±ðÏÂÓÐ 20 ¸ö×Ö´Ê£¬°üÀ¨ 0 µ½ 9 Ö®¼äµÄÊý×ÖºÍËæ»úÐÕÃû£¨Èç ¡°Sheila¡±£©¡£
6 \, r8 U; v( R- B4 d; F7 G5 y% m4 J, f
ĬÈÏÇé¿öÏ£¬´Óδ֪Àà±ðÖÐÌôÑ¡ 10% µÄѵÁ·Ñù±¾£¬µ«Äú¿ÉÒÔʹÓà --unknown_percentage ±ê¼Ç¿ØÖƸñÈÀý¡£Èç¹ûÌá¸ß¸Ã±ÈÀý£¬Ä£Ðͽ«Î´Öª×Ö´ÊÎóʶ±ðΪËùÐè×ִʵĿÉÄÜÐԾͻήµÍ£¬µ«Èç¹û¸Ã±ÈÀý¹ý¸ß£¬Ôò¿ÉÄÜ»áÊÊµÃÆä·´£¬ÒòΪģÐÍ¿ÉÄÜÈÏΪ½«ËùÓÐ×ִʶ¼¹éÀàΪδ֪×Ö´ÊÊÇ×ȫµÄ×ö·¨£¡7 |" ]7 }+ y9 Z3 W+ A$ s& O9 x
; o- u6 B6 v+ Y: a# B: Z/ L8 m: Y
±³¾°ÔëÉù1 E* T5 e$ g4 P8 ]! S5 k1 F0 A5 t
¼´Ê¹»·¾³ÖгöÏÖÆäËû²»Ïà¹ØµÄÉùÒô£¬Êµ¼ÊÓ¦ÓÃÒ²±ØÐëʶ±ðÒôƵ¡£ÎªÁ˹¹½¨Ò»¸ö¿ÉÒÔÎȽ¡Ó¦¶Ô´ËÀà¸ÉÈŵÄÄ£ÐÍ£¬ÎÒÃÇÐèҪʹÓþßÓÐÀàËÆÌØÐÔµÄÒÑÂ¼ÖÆÒôƵ½øÐÐѵÁ·¡£Speech Commands Êý¾Ý¼¯ÖеÄÎļþÊÇÓÉÓû§Ê¹Óø÷ÖÖÉ豸ÔÚ¶àÖÖ²»Í¬µÄ»·¾³£¨¶ø²»ÊÇÔÚ¼ÒôÊÒ£©ÖÐÂ¼ÖÆµÄ£¬Òò´ËÓÐÖúÓÚÌá¸ßѵÁ·µÄÕæÊµÐÔ¡£ÎªÁ˸ü¼ÓÕæÊµ£¬Äú¿ÉÒÔ½«»·¾³ÒôƵµÄËæ»úƬ¶Î»ìºÏµ½ÑµÁ·ÊäÈëÖС£Speech Commands ¼¯ºÏÖÐÓÐÒ»¸öÃûΪ _background_noise_ µÄÌØÊâÎļþ¼Ð£¬ÆäÖаüº¬Ê±³¤ 1 ·ÖÖ WAVE Îļþ£¬ÄÚÈÝΪ°×ÔëÒôÒÔ¼°»úеºÍÈÕ³£¼ÒÍ¥»î¶¯µÄ¼Òô¡£
1 k, B1 T9 X, ?. e+ ^  d
+ z7 F) s1 Y2 J# M# X. D# KÕâЩÎļþµÄСƬ¶ÎÊÇËæ»úÑ¡ÔñµÄ£¬²¢ÔÚѵÁ·ÆÚ¼äÒԽϵ͵ÄÒôÁ¿»ìºÏµ½ÒôƵƬ¶ÎÖС£ÒôÁ¿Ò²ÊÇËæ»úÑ¡ÔñµÄ£¬²¢ÓÉ --background_volume ²ÎÊý°´±ÈÀý½øÐпØÖÆ£¬ÆäÖÐ 0 ±íʾÎÞÉù£¬1 ±íʾ×î´óÒôÁ¿¡£²¢·ÇËùÓÐÒôƵƬ¶ÎÖж¼¼ÓÈë±³¾°ÔëÉù£¬Òò´Ë --background_frequency ±ê¼Ç¿ØÖÆ»ìÈëÔëÉùµÄ±ÈÀý¡£
5 K1 C0 R- F1 y/ A# z  B* |' x2 n6 |1 S/ U# u
Äú×Ô¼ºµÄÓ¦ÓÃÔÚÆä×ÔÉí»·¾³ÖÐÔËÐÐËùÓõı³¾°ÔëÉùģʽ¿ÉÄÜÓëĬÈÏģʽ²»Í¬£¬Òò´ËÄú¿ÉÒÔÔÚ _background_noise_ Îļþ¼ÐÖÐÌṩ×Ô¼ºµÄÒôƵƬ¶Î¡£ÕâЩÒôƵƬ¶ÎµÄ²ÉÑùÂÊÓ¦ÓëÖ÷Êý¾Ý¼¯Ïàͬ£¬µ«Ê±³¤Ó¦¸Ã³¤ºÜ¶à£¬ÒÔ±ã¿ÉÒÔ´ÓÖÐÑ¡ÔñÒ»×éЧ¹ûÁ¼ºÃµÄËæ»úƬ¶Î¡£
2007-3-29 17:20:58 »Ø¸´
mixbox Â¥Ö÷
ÎÞÉù6 X& D( z; r) z+ H
ÔÚ´ó¶àÊýÇé¿öÏ£¬Äú¹Ø×¢µÄÉùÒô¶¼ÊǶ϶ÏÐøÐøµÄ£¬Òò´ËÎñ±ØÒªÇå³þºÎʱûÓÐÆ¥ÅäµÄÒôƵ¡£Îª´Ë£¬¿ÉÒÔʹÓÃÒ»¸öÌØÊâµÄ _silence_ ±êÇ©£¬±íÃ÷Ä£ÐͺÎʱδ¼ì²âµ½ÈκÎÖµµÃ¹Ø×¢µÄÄÚÈÝ¡£ÓÉÓÚÕæÊµ»·¾³Öв¢²»´æÔÚ¾ø¶ÔµÄÎÞÉùÇé¿ö£¬Òò´ËÎÒÃÇʵ¼ÊÉϱØÐëÌṩ°²¾²ÇÒ²»Ïà¹ØµÄÒôƵÑù±¾¡£Îª´Ë£¬ÎÒÃÇÖØ¸´Ê¹ÓÃÒ²»ìÈ뵽ʵ¼ÊÒôƵƬ¶ÎÖÐµÄ _background_noise_ Îļþ¼Ð£¬ÌáÈ¡ÒôƵÊý¾ÝµÄ¼ò¶ÌƬ¶Î£¬²¢À¡ËÍÕâЩƬ¶Î£¨°üº¬Êµ¼ÊÀà±ð±êÇ© _silence_£©¡£Ä¬ÈÏÇé¿öÏ£¬10% µÄѵÁ·Êý¾ÝÊǰ´ÕÕÕâÖÖ·½·¨ÌṩµÄ£¬µ«¿ÉÒÔʹÓà --silence_percentage ¿ØÖƸñÈÀý¡£Óëδ֪×Ö´ÊÒ»Ñù£¬Èç¹ûÌá¸ß¸Ã±ÈÀý£¬ÔòÄ£Ð͸ø³öµÄ½á¹û¿ÉÄÜÇãÏòÓÚÎÞÉùµÄÕæÕýÀý£¬´ú¼ÛÊÇ×ִʳöÏÖ¼Ù¸ºÀý£»µ«Èç¹û¸Ã±ÈÀý¹ý¸ß£¬Ôò¿ÉÄܵ¼ÖÂÄ£ÐÍÏÝÈëʼÖղ²âÎÞÉùµÄÏÝÚå¡£5 j! X0 ~+ C, X) V+ Q/ D; `" ^, N, p

" M/ s/ P; C8 A' H  }; A6 Q2 {1 |Ê±ÒÆ: g8 e% b# c- ~8 d( N
ΪÁË·ûºÏʵ¼ÊµØÅ¤ÇúѵÁ·Êý¾ÝÒÔÓÐЧÔö¼ÓÊý¾Ý¼¯µÄ´óС£¬½ø¶øÌá¸ßÕûÌå׼ȷÂÊ£¬Ò»ÖÖ·½Ê½ÊÇÌí¼Ó±³¾°ÔëÉù£¬¶øÁíÒ»ÖÖ·½Ê½ÊÇÊ±ÒÆ¡£ÕâÉæ¼°µ½ÑµÁ·Ñù±¾Êý¾ÝÔÚʱ¼ä·½ÃæµÄËæ»úÆ«ÒÆ£¬ÒÔ±ã½ØÈ¥¿ªÍ·»ò½áβµÄһС²¿·Ö£¬¶øÁíÒ»²¿·ÖÔòÓÃÁãÌî³ä¡£ÕâÄ£ÄâÁËѵÁ·Êý¾Ý¿ªÊ¼Ê±¼äµÄ×ÔÈ»±ä»¯£¬²¢ÓÉ --time_shift_ms ±ê¼Ç¿ØÖÆ£¬Ä¬ÈÏΪ 100 ºÁÃë¡£Ìá¸ß¸ÃÖµ½«Ìṩ¸ü¶à±ä»¯£¬µ«¿ÉÄÜ»á½ØÈ¥ÒôƵµÄÖØÒª²¿·Ö¡£Ò»ÖÖͨ¹ýÕæÊµÅ¤ÇúÀ´ÔöÇ¿Êý¾ÝµÄÏà¹Ø·½·¨ÊÇʹÓÃʱ¼äÉìËõºÍÒôµ÷Ëõ·Å£¬µ«Õâ²»ÔÚ±¾½Ì³ÌµÄÌÖÂÛ·¶Î§Ö®ÄÚ¡£
  ^, a+ b7 k% Z; F7 Y2 B& f( @8 H, A" l# t. ~1 c/ v
  _6 s- G; H3 J: L
×Ô¶¨ÒåÄ£ÐÍ6 D" Q; m! A0 Y- o2 c. D- a) W
ÓÃÓڸýű¾µÄĬÈÏÄ£Ðͷdz£´ó£¬Ã¿´ÎÍÆÀíÐèҪʹÓó¬¹ý 8 ÒÚ FLOP£¬²¢ÐèҪʹÓà 940000 ¸öÈ¨ÖØ²ÎÊý¡£¸ÃÄ£ÐÍÔŲ́ʽ»ú»òÐÂÐÍÊÖ»úÉÏ¿ÉÒÔ¿ìËÙÔËÐУ¬µ«ÒªÔÚ×ÊÔ´¸üÓÐÏÞµÄÉ豸ÉÏ¿ìËÙÔËÐУ¬ÔòÉæ¼°µ½Ì«¶à¼ÆË㡣ΪÁËÖ§³ÖÕâЩÓÃÀý£¬¿ÉÒÔ²ÉÓü¸¸öÌæ´ú·½·¨£º* V  E' f1 R( |" {/ U
0 ?- e' V$ H( v. Z
low_latency_conv »ùÓÚ Neural Networks for Small-footprint Keyword Spotting£¨Ð¡Ð͹ؼü×Ö¼ì²â¾í»ýÉñ¾­ÍøÂ磩ÕâÆªÂÛÎÄÖнéÉÜµÄ ¡°cnn-one-fstride4¡± ÍØÆË¡£×¼È·ÂÊÂÔµÍÓÚ¾í»ýÉñ¾­ÍøÂ磬µ«È¨ÖزÎÊýµÄÊýÁ¿´óÖÂÏàͬ£¬µ«ÔËÐÐÒ»´ÎÔ¤²âÖ»ÐèÒª 1100 Íò FLOP£¬Ìá¸ßÁËÄ£Ð͵ÄÔËÐÐËÙ¶È¡£
- R- V+ c, A) @! S& }9 J4 Y0 U; U; r8 g, s1 O0 O
ҪʹÓøÃÄ£ÐÍ£¬ÇëÔÚÃüÁîÐÐÉÏÖ¸¶¨ --model_architecture=low_latency_conv¡£Äú»¹ÐèÒª¸üÐÂѵÁ·ËÙÂʺÍѵÁ·²½Êý£¬Òò´ËÍêÕûÃüÁîÈçÏÂËùʾ£º3 q. |, w' n5 X' Y: h
python tensorflow/examples/speech_commands/train \. G) x) F! M1 y% N8 {# ]
--model_architecture=low_latency_conv \
: m* ^& }# |7 ^& p) z1 Z: E- {--how_many_training_steps=20000,6000 \2 G; j( n. Y2 O8 c% Y& Y
--learning_rate=0.01,0.001
' L% P, V  L; E8 y9 x. Q+ a" a) Y
* C4 u0 F, o, O, j¸ÃÃüÁîÒªÇó½Å±¾ÒÔ 0.01 µÄѧϰËÙÂÊѵÁ· 20000 ¸öѵÁ·²½£¬È»ºó½øÐÐ΢µ÷£¬ÒÔÔ­À´ËÙÂʵÄÊ®·ÖÖ®Ò»Íê³É 6000 ¸öѵÁ·²½¡£* {2 m) G+ S* B: T& ~  F# K
+ Z- R1 {2 G2 Y
low_latency_svdf »ùÓÚ Compressing Deep Neural Networks using a Rank-Constrained Topology paper£¨ÀûÓÃÖÈÊÜÏÞµÄÍØÆËѹËõÉî¶ÈÉñ¾­ÍøÂ磩ÕâÆªÂÛÎÄÖнéÉܵÄÍØÆË¡£×¼È·ÂÊÒ²µÍÓÚ¾í»ýÉñ¾­ÍøÂ磬µ«Ö»Ê¹ÓôóÔ¼ 750000 ¸ö²ÎÊý£¬×îÖØÒªµÄÊÇ£¬ËüÔÊÐíÔÚ²âÊÔʱ£¨¼´ÄúÔÚÓ¦ÓÃÖÐʵ¼ÊÓõ½Ê±£©ÓÅ»¯Ö´ÐУ¬²¢ÇÒÐèÒª 750000 ¸ö FLOP¡£
# t* S5 d$ p; R+ W" R
; |5 \! r" h: R+ {  gҪʹÓøÃÄ£ÐÍ£¬ÇëÔÚÃüÁîÐÐÉÏÖ¸¶¨ --model_architecture=low_latency_svdf£¬²¢¸üÐÂѵÁ·ËÙÂʺÍѵÁ·²½Êý£¬Òò´ËÍêÕûÃüÁîÈçÏÂËùʾ£º* p& y8 I2 w( s, Y3 U
python tensorflow/examples/speech_commands/train \' w" ~6 R1 n; d! h4 O
--model_architecture=low_latency_svdf \3 Q+ F' M4 K/ |+ b+ i( l1 V/ @
--how_many_training_steps=100000,35000 \6 F6 J) w6 R/ b. a3 b* e) s8 n
--learning_rate=0.01,0.005) w1 L! e+ Y/ q+ P4 j. J8 v5 r* w
# C* h3 ^& L( V- K9 G+ E
Çë×¢Ò⣬¾¡¹ÜËùÐèµÄѵÁ·²½Êý¶àÓÚǰÁ½¸öÍØÆË£¬µ«¼ÆËãÊýÁ¿¼õÉÙÒâζ×ÅѵÁ·»¨·ÑµÄʱ¼äÓ¦´óÖÂÏàͬ£¬²¢ÇÒ×îÖյóöµÄ׼ȷÂÊ´óԼΪ 85%¡£´ËÍ⣬Äú»¹¿ÉÒÔͨ¹ýÔÚ SVDF ²ãÖиü¸ÄÒÔϲÎÊýÇáËɵؽøÒ»²½µ÷ÕûÍØÆË£¬ÒÔ±ãʵÏÖËùÐèµÄ¼ÆËãÁ¿ºÍ׼ȷÂÊ¡£
% r' B, g8 k. r) H% H2 F, [  h: J# s0 l
rank - ½üËÆÖÈ£¨Í¨³£Ô½¸ßÔ½ºÃ£¬µ«»áµ¼Ö¸ü¶à¼ÆË㣩¡£
- j4 w. Y3 c2 U( N% M8 p2 v3 wnum_units - ÀàËÆÓÚÆäËû²ãÀàÐÍ£¬Ö¸¶¨²ãÖеĽڵãÊý£¨½ÚµãÔ½¶à£¬Ð§¹ûÔ½ºÃ£¬¼ÆËãÁ¿Ò²»á¸ü¶à£©¡£
1 a) `1 O6 t7 f; s
+ x: J) X7 e! b/ L7 P' R¶ÔÓÚÔËÐÐʱ£¬ÓÉÓÚ²ãÔÊÐíͨ¹ý»º´æÄ³Ð©ÄÚ²¿Éñ¾­ÍøÂ缤»î½øÐÐÓÅ»¯£¬Òò´ËÄúÐèҪȷ±£ÔÚ¶³½áͼºÍÔÚÁ÷ʽģʽ£¨ÀýÈç test_streaming_accuracy.cc£©ÏÂÖ´ÐÐÄ£ÐÍʱʹÓÃÒ»ÖµIJ½³¤£¨ÀýÈç clip_stride_ms ±ê¼Ç£©¡£
6 T: z* o% D7 c" R& P$ g+ x0 A
7 O2 K& p1 l/ `×Ô¶¨ÒåÆäËû²ÎÊý % j: U  b9 k" L, y' N: G/ v
Èç¹ûÄúÏë³¢ÊÔ×Ô¶¨ÒåÄ£ÐÍ£¬×îºÃÏÈ´Óµ÷ÕûÉùÆ×ͼ´´½¨²ÎÊý¿ªÊ¼¡£Õâ¿ÉÄÜ»á¸ü¸ÄÄ£Ð͵ÄÊäÈëͼÏñµÄ´óС£¬²¢ÇÒ models.py ÖеĴ´½¨´úÂë»á×Ô¶¯µ÷Õû¼ÆËãºÍÈ¨ÖØµÄÊýÁ¿£¨https://www.tensorflowers.cn/t/7516£©£¬ÒÔÊÊÓ¦²»Í¬Î¬¶È¡£Èç¹ûÄúËõСÊäÈëͼÏñµÄ´óС£¬ÔòÄ£Ðͽ«ÐèÒª¸üÉٵļÆËãÀ´´¦ÀíÊäÈ룬ÕâÑù×ö¿ÉÒԺܺõظÄÉÆÑÓ³ÙÇé¿ö£¬µ«»á½µµÍ׼ȷÂÊ¡£--window_stride_ms ¿ØÖÆÃ¿¸öƵÂÊ·ÖÎöÑù±¾Óëǰһ¸öÖ®¼äÏà¸ôµÄʱ¼ä¡£Èç¹ûÔö¼Ó¸ÃÖµ£¬ÔòÖ¸¶¨Ê±³¤ÄÚµÄÑù±¾¾Í»á±äÉÙ£¬ÊäÈëµÄʱ¼äÖáÒ²»á±ä¶Ì¡£--dct_coefficient_count ±ê¼Ç¿ØÖÆÓÃÓÚÆµÂʼÆËãµÄ·ÖͰÊýÁ¿£¬Òò´Ë½µµÍ¸ÃÖµ»á¼õÉÙÆäËûά¶ÈÖеÄÊäÈë¡£--window_size_ms ²ÎÊý²»»áÓ°Ïì´óС£¬µ«»á¿ØÖÆÃ¿¸öÑù±¾ÓÃÓÚ¼ÆËãÆµÂʵÄÇøÓò¿í¶È¡£Èç¹ûÄúҪѰÕÒµÄÉùÒôʱ³¤ºÜ¶Ì£¬ÔòËõ¶ÌѵÁ·Ñù±¾µÄʱ³¤£¨ÓÉ --clip_duration_ms ¿ØÖÆ£©Ò²»áÓÐËù°ïÖú£¬ÒòΪÕâÑùÒ²»áËõ¶ÌÊäÈëµÄʱ¼äά¶È¡£²»¹ý£¬ÄúÐèҪȷ±£ËùÓÐѵÁ·Êý¾Ý¶¼ÔÚÒôƵƬ¶ÎµÄ³õʼ²¿·Ö°üº¬ÕýÈ·µÄÒôƵ¡£
3 H: q" ?/ S+ R# g7 Q+ U) w6 s- t: ^) }
Èç¹ûÄúÏëµ½ÁËÒ»¸ö¿ÉÒÔ½â¾öÎÊÌâµÄÍêÈ«²»Í¬Ä£ÐÍ£¬Äú¿ÉÒÔ½«Æä²åÈë models.py ÖУ¬²¢Èýű¾µÄÊ£Óಿ·Ö´¦ÀíËùÓÐÔ¤´¦ÀíºÍѵÁ·¹¤×÷¡£Äú¿ÉÒÔÏò create_model Ìí¼ÓÒ»¸öÐÂ×Ӿ䣬²éÕÒ¸ÃÄ£Ðͼܹ¹µÄÃû³Æ£¬È»ºóµ÷ÓÃÄ£ÐÍ´´½¨º¯Êý¡£¸Ãº¯Êý»ñµÃÉùÆ×ͼÊäÈëµÄ´óСÒÔ¼°ÆäËûÄ£ÐÍÐÅÏ¢£¬²¢Çһᴴ½¨ TensorFlow ²Ù×÷À´¶ÁÈ¡ÕâЩÐÅÏ¢£¬Í¬Ê±Éú³ÉÊä³öÔ¤²âÏòÁ¿ºÍ¿ØÖƶªÆúÂʵÄռλ·û¡£½Å±¾µÄÊ£Óಿ·Ö¸ºÔ𽫸ÃÄ£Ðͼ¯³Éµ½¸ü´óµÄͼÖУ¬¸Ãͼ»áÖ´ÐÐÊäÈë¼ÆË㣬²¢Ó¦Óà softmax ºÍËðʧº¯ÊýÀ´ÑµÁ·Ä£ÐÍ¡£3 N3 P: U3 s3 X) ?+ j* n* M! t% x
0 c) b1 s! e+ h
ÔÚµ÷ÕûÄ£ÐͺÍѵÁ·³¬²ÎÊýʱ»áÓöµ½µÄÒ»¸ö³£¼ûÎÊÌâÊÇ£¬¿ÉÄÜ»áÒýÈë·ÇÊý×ÖÖµ£¬ÕâÊÇÓÉÊýÖµ¾«È·ÎÊÌâËùÖ¡£Í¨³££¬½â¾ö´ËÎÊÌâµÄ·½Ê½ÊǼõСѧϰËÙÂʵÈÊýÖµµÄ´óС²¢¼õÉÙÈ¨ÖØ³õʼ»¯º¯Êý£¬µ«Èç¹ûÎÊÌâÈÔÈ»´æÔÚ£¬Ôò¿ÉÒÔÆôÓà --check_nans ±ê¼ÇÀ´¸ú×Ù´íÎóµÄÀ´Ô´¡£ÆôÓøñê¼Çºó£¬ÏµÍ³»áÔÚ TensorFlow ÖеĴ󲿷ֳ£¹æ²Ù×÷Ö®¼ä²åÈë¼ì²é²Ù×÷£¬¶øÇÒ»áÔÚÓöµ½ÕâЩ´íÎóʱÖÐֹѵÁ·¹ý³Ì²¢ÏÔʾʵÓõĴíÎóÏûÏ¢¡£
2007-3-29 17:21:20 »Ø¸´

ÒôƵ·ÖÀà´óÈ«

+ ²é¿´È«²¿·ÖÀà