2019年7月17日
摘要: import numpy as npfrom matplotlib import pyplot as plt X_train = np.array([ [158, 64], [170, 66], [183, 84], [191, 80], [155, 49], [163, 59], [180, 67 阅读全文
posted @ 2019-07-17 04:57 激流勇进1 阅读(435) 评论(0) 推荐(0) 编辑
摘要: eval方法可以直接利用c语言的速度,而不用分配中间数组,不需要中间内存的占用. 如果包含多个步骤,每个步骤都要分配一块内存 import numpy as npimport pandas as pdimport timeit df = pd.DataFrame({'a': np.random.ra 阅读全文
posted @ 2019-07-17 04:53 激流勇进1 阅读(764) 评论(0) 推荐(0) 编辑
摘要: 在语音分析,合成,转换中,第一步往往是提取语音特征参数。利用机器学习方法进行上述语音任务,常用到梅尔频谱。本文介绍从音频文件提取梅尔频谱,和从梅尔频谱变成音频波形。 从音频波形提取Mel频谱: 对音频信号预加重、分帧和加窗对每帧信号进行短时傅立叶变换STFT,得到短时幅度谱短时幅度谱通过Mel滤波器 阅读全文
posted @ 2019-07-17 04:52 激流勇进1 阅读(4803) 评论(0) 推荐(0) 编辑
摘要: 前言 是的,除了水报错文,我也来写点其他的。本文主要介绍Keras中以下三个函数的用法: fit()fit_generator()train_on_batch()当然,与上述三个函数相似的evaluate、predict、test_on_batch、predict_on_batch、evaluate 阅读全文
posted @ 2019-07-17 04:50 激流勇进1 阅读(7827) 评论(2) 推荐(2) 编辑
摘要: 说明 🔎代码重现笔记📘 renference book: 【Hands-On Machine Learning with Scikit-Learn & TensorFlow 】📝Chapter 9: 【Up and Running with TensorFlow】准备工作 💦 🔗 配置深度 阅读全文
posted @ 2019-07-17 04:47 激流勇进1 阅读(268) 评论(0) 推荐(0) 编辑