05 2024 档案

深度学习-nlp-微调BERT--82
摘要：目录 import torch import torch.nn as nn from torch.utils.data import TensorDataset, DataLoader, RandomSampler, SequentialSampler from sklearn.model_sele 阅读全文
posted @ 2024-05-28 20:25 jack-chen666 阅读(20) 评论(0) 推荐(0) 编辑
深度学习-语音识别-gm与hmm参数的学习--81
摘要：目录1. GMM HMM参数的学习2. GMM概率计算3. 具体训练流程4. 三音素模型6. 三音素GMM-HMM模型训练7. 串接HMM的Viterbi识别 1. GMM HMM参数的学习 GMM -->声学模型 声学特征与音素的映射关系 HMM -->语言模型 已经直到发音 决绝如何得到正确的文 阅读全文
posted @ 2024-05-27 22:02 jack-chen666 阅读(102) 评论(0) 推荐(0) 编辑
深度学习-语音识别-gmm在语音识别中的作用--80
摘要：目录1. 假设你是一位技术专家，我不了解机器学习里面的高斯混合模型，你能用通俗的语言解释一下吗？2. 结合上面的回答，语音识别里面，高斯混合模型（Gaussian Mixture Model, GMM）是用来做什么的3. 假设你是一位机器学习算法工程师，想深入的学习高斯混合模型， 如何用python 阅读全文
posted @ 2024-05-27 19:22 jack-chen666 阅读(83) 评论(0) 推荐(0) 编辑
深度学习-语音识别-音频处理2--79
摘要：目录1. 语音识别系统的一般架构2. 声学模型3. 单词发音字典4. HMM 模型5. 声学模型自动机6. 高斯混合模型7. HMM的概率计算8 HMM的状态序列估计 1. 语音识别系统的一般架构 acoustic feature声学特征 基于生成模型的方法中，根据贝叶斯定理： P(X|W) 声学模 阅读全文
posted @ 2024-05-23 00:12 jack-chen666 阅读(89) 评论(0) 推荐(0) 编辑
深度学习-nlp-NLP之trainsformer位置编码与余弦距离--77
摘要：目录1. 位置编码与词嵌入2.余弦距离 1. 位置编码与词嵌入 import torch import torch.nn as nn import math # 定义词向量嵌入的大小 d_model = 512 # 定义位置编码的维度 max_seq_len = 5000 # 定义词向量嵌入层 em 阅读全文
posted @ 2024-05-22 23:28 jack-chen666 阅读(32) 评论(0) 推荐(0) 编辑
深度学习-语音识别-音频处理1--78
摘要：目录1. 概述2. 采样率3. 振幅数值的量化-分贝db4. 预处理--预加重5. 分帧6. 加窗7. 离散快速傅里叶变换8. 梅尔滤波器组9 倒谱分析10， 离散余弦变换11 MFCC12 倒谱均值减 1. 概述 语音产业的上一次爆发出现在20世纪80年代到90年代：隐马尔科夫模型的应用，使大规模 阅读全文
posted @ 2024-05-21 00:11 jack-chen666 阅读(277) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示