ferb的语音识别学习小站

原创 语音信号处理——线性预测编码LPC

语音信号处理二：干净语音的特征提取：今天的信号与系统，DSP知识点参考 Spoken Language Processing 第5, 6 章LPC方程的Durbin算法推导：语音信号数字处理（杨行峻，迟惠生）第四章，数字语音处理（Rabiner）第九章作业是自己实现语音信号的LPC预测算法：输入一段语音信号，选定不同阶数p，在最小二乘准则下，用自相关法估计预测系数aia_iai​，对比重建语...

原创 Origin 多x多y放一张图/改图边框/旋转文本/多曲线叠加在一张图等问题解决方法

Origin生成图，copy到word后，发现图的外边框太大，怎么改Origin生成图，copy到word后，发现图的外边框太大（就是坐标轴区域边缘的空白部分太大）怎么将图边缘的空白部分变小？在copy page之前，做如下操作：Tools—>option---->page选项卡---->copy page setting—>margin项，选择Tight—>...

原创 修复【Chrome/firefox火狐等浏览器被2345/hao123篡改的主页】【删除浏览器打开默认桔梗导航】【桌面无故多出的Microsoft Edge图标】

步骤：用everything搜“2345”，把可疑的文件删掉，诸如2345explorer开头的文件。（这个是删完没问题后的）选中浏览器 右键chrome/firefox等 → 属性 → 目标 ：把.exe后面的后缀的可疑主页删掉。（该方法治标不治本但可以清一下）（往后拉，有可疑的主页）打开浏览器chrome/firefox等的文件所在位置，返回桌面，删除桌面chrome/fire...

原创 keras 基础小记

model.addmodel = Sequential()model.add(Dense(output_dim=1, input_dim=1))每次model.add就是添加一层，不用写入权重这些参数。W, b = model.layers[0].get_weights()是第一层的参数。特征标准化不同特征所占比重不同，把特征们的所占比重都设置为差不多，都在(0,1)之间keras...

原创 YOLOv3 笔记

shortcut层。shortcut层是跳过连接主要看《yolov3_presentation.pdf》框住目标，需4个点（回归问题，预测点坐标）分类问题：判断类别 person/dog/cat…YOLOv3 vs YOLOv2:小目标判别更准确，识别速度慢一些，能识别到person，甚至person里的tie领带。训练数据集：COCO网络结构residual block：回忆R...

原创 CNN基础小记

CNN利用空间关系减少需要学习的参数数目以提高一般前向BP算法的训练性能。卷积神经网络是一个多层的神经网络，每层由多个二维平面组成，而每个平面由多个独立神经元组成。卷积网络的核心思想是将：局部感受野、权值共享（或者权值复制）以及时间或空间亚采样这三种结构思想结合起来获得了某种程度的位移、尺度、形变不变性。我们训练一个神经网络，就是要训练得出这些卷积核，而这些卷积核就相当于我们学单层感知器的时...

原创 机器学习数据挖掘面试

欠拟合：模型太简单了，特征是否过少过拟合：增加样本量，减少特征数，降低模型复杂度等L1正则化其实就是讲权值的绝对值和加入损失函数，使得权值中0值比重增大，因此得到的权值较为稀疏。L2正则化则是将权重的平方和加入损失函数，使得权值分布更加平均，所以权值较为平滑。ROC曲线的AUC值是比较重要的内容，要能知道具体ROC曲线是怎么画出来的。回归的话比如MSE，RMSE或和业务相关的加权计算公式等。...

原创 计算机图形学 c#面试

渲染 管线https://blog.csdn.net/jxw167/article/details/54695181渲染管线主要分为四个步骤：顶点变换，图元装配，光栅化，像素处理。顶点处理：顶点渲染的作用是对三维图元的顶点进行坐标变换和光照计算，生成可用于渲染到投影空间的顶点坐标、颜色和纹理坐标。顶点渲染就是定义了一系列针对顶点的渲染指令或渲染语句，当Direct3D处理图元顶点时，自动...

原创 【动态规划】经典题目小结（切割钢条、最长公共子序列、背包、硬币找零、数组组合、连续最大和、最长回文子序列）

切割钢条参考《算法导论》和 http://www.cnblogs.com/mengwang024/p/4342796.html自底向上，从r[0]开始，r[0]=0,r[n]=我们所要求的，第一个for遍历完后，所有从0-n的r最优解都得到了，第二个for，在每个i下，都求最优解，自底向上，最后i=n时，输出r[n]。class Solution: def PrintBUCutRod...

原创 常用python用法小记

生成器genration参考 https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/0014317799226173f45ce40636141b6abc8424e12b5fb27000如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generato...

原创 tensorflow入门笔记

Session 会话控制with tf.Session as sess这样就不用sess.close()了。前期定义的那些参数变量，还没有激活，sess.run(参数名)相当于有了一个指针指向某个参数，使之执行那条语句（激活）（才能输出变量值）。# method 1sess = tf.Session()result = sess.run(product)print(result)se...

原创 《语音信号处理》 语音识别章节 读书笔记

P34HMM是一个双内嵌式随机过程，由两个随机过程组成：一个是状态转移序列，对应单纯markov过程；另一个是每次转移时输出的符号组成的符号序列。（这个也是随机的，理解为 不知道状态序列，也不知道输出符号序列。。。）P130：模板（模型）Mi，即 i 单词的均值和协方差矩阵。P135：语音信号的特征矢量序列的集合作为观察值序列O = O1,O2,…OTP136：声学...

原创 快手2019年春季校园招聘笔试试题--算法A试卷

第一题好像是leetcode第一题还是第二题，用异或做，刷过leetcode的都能做出来。第二题的思路是从后往前，很容易。第三题直接用python暴力了。。快手这个笔试应该只是出着玩玩，没想招人吧。对自己挺无语的，其实没啥希望。应该是最后一场笔试了，没投其他家了。感觉自己的能力确实很有限，需要时间成长，慢慢来吧，我已经足够幸运了，没有大厂也没什么，想做算法本来就难一点吧。...

原创 《数学之美》读书笔记

原创 leetcode python实现

leetcode 695 Max Area of Island 岛屿的最大面积给定一个包含了一些 0 和 1的非空二维数组 grid , 一个 岛屿 是由四个方向 (水平或垂直) 的 1 (代表土地) 构成的组合。你可以假设二维矩阵的四个边缘都被水包围着。找到给定的二维数组中最大的岛屿面积。(如果没有岛屿，则返回面积为0。)示例 1:[[0,0,1,0,0,0,0,1,0,0,0,0,0]...

原创 虚拟机装ubuntu以及装完ubuntu要做的事

由于legion系列电脑装双系统由于无线网卡的问题，无法连接wifi，折腾了很久还是不行，而学校网线无法上网，无奈装了虚拟机代替。有大神是legion电脑，装双系统能连上wifi的，还请赐教啊，多谢多谢。首先装vmware，装的是VMware Workstation Pro 14.0.0，key为CV7T2-6WY5Q-48EWP-ZXY7X-QGUWD装好后根据https://zhuanl...

原创 SentencePiece，subword-nmt，bpe算法

BPE（Byte Pair Encoding，双字节编码）。2016年应用于机器翻译，解决 集外词（OOV）和罕见词（Rare word）问题。论文题目《Neural Machine Translation of Rare Words with Subword Units》 —发表于ACL2016http://www.sohu.com/a/115373230_465975tensor2ten...

原创 nabu日记

Nabu 是一套实现了LAS（listen， attend， spell）的语音识别系统。https://github.com/vrenkens/nabuLAS是一个基于Attention mechanism的encoder-decoder语音识别模型。相比与传统模型，LAS模型的输出结果是变长序列（decoder部分非常类似于RNN语言模型）。关于LAS的细节可以看论文：https://ar...

原创 macbook只有windows下安装os系统、trackpad++下载

mac电脑原本只有windows单系统，原来的os系统删掉了，现在想装上os系统的方法：先恢复到原来的os系统，再升级到最新的os系统。这里不展开说明。强烈建议早期的macbook不要安装双系统，或者不要升级到最近的os系统，带不动，非常卡。windows单系统删除os系统的方法：直接在[我的电脑]，右键[管理]-左栏[磁盘管理]，将os系统所在的盘右键[删除卷]即可。c盘无法扩展卷的解决...

原创 win10下安装Ubuntu16.04双系统 （gtx1050ti）（联想legion）

先安装ubuntu系统。按照 win10下安装Ubuntu16.04双系统的博客很快就装好了，我给linux分了200G，其他教程有教用EasyBCD添加引导项的，我添加后却让引导失败了，没弄好，完全不需要用EasyBCD的，其实需要用linux系统时，直接按F12选择进哪个系统就好了！遇到报错...

原创 win10下 tensorflow gpu版本安装

刚买了带有GPU版本的电脑，其实想直接在ubuntu下安装，因为有服务器，就不想麻烦了，在windows下装看看。感觉版本不兼容挺烦的，网上博客不是很靠谱，每个人版本都不一样，最靠谱的还是官网说明。这三张图我也不是看的官网，来自博客地址：https://blog.csdn.net/yeler082/article/details/80943040。下次直接看官网就好了。。看要求，以为...

原创 注意力机制（Attention Mechanism）学习笔记

参考自：https://blog.csdn.net/qq_40027052/article/details/78421155 对内容进行抽取的少许补充。还有 https://spaces.ac.cn/archives/4765/comment-page-3。在后面加入了此文的内容。原理是一个encoder、decoder框架：输入句子Source，目标句子target。source=<...

原创 【小米】 2019 秋招笔试题 （数组组合、最优分割）

这题类似“数组组合”问题（题目：输入一个数字summ，输入n个数子，用这n个数有多少种组合成数字summ的方案（每个数字只能用一次）。）思路：背包的方案数问题。并且这个题是一个物品只能用一次的背包，即01背包问题变化的方案数问题。状态：dp[i]表示用这些数字组成数字i所有的方案数。一直从1到summ。然后只需要把01背包的思路改动一下，就可以完成这个题了。01背包第一层循环int i...

原创 【爱奇艺】2019校招在线考试 笔试题

没拍题目，记得比较容易。n,m,p = map(int,input().split())a = [int(n) for n in input().split()] num = []for i in range(m): num.append([n for n in input().split()] )for i in range(m): if num[i][0]=='A...

原创 【腾讯】技术研究类和数据分析-2019校园招聘 笔试题

腾讯的笔试是我遇过最难的了，选择题，全是数学，真的难，哎。题目没拍，先贴上代码，后续补上。第一题70%，第二题30%，第三题30%。k = int(raw_input())str1 = raw_input()str2 = raw_input()substring_set = set()len1 = len(str1)len2 = len(str2)for i in range(...

原创 【360】2019秋招笔试题（圈地运动、Bitttts、魔法阵列）python

木棍数n<3，不会组成多边形；n>=3，只要判断前n-1个的长度和是否比最大的那个大，大就说明能组成多边形。n = int(raw_input())stem = map(int,raw_input().split())def duobianxing(seq): seq.sort() if sum(seq[:-1])&a

原创 【顺丰科技】 2019校招 人工智能与机器学习工程师在线考试 笔试编程题

#!/bin/python# -*- coding: utf8 -*-import sysimport osimport re#请完成下面这个函数，实现题目要求的功能#当然，你也可以不按照下面这个模板来作答，完全按照自己的想法来 ^-^ #******************************开始写代码******************************def...

原创 【快手】2019年秋季校园招聘笔试试卷--算法B试卷（字符串排序、最长回文子序列、排版）python

这题很简单了，是换行输出要注意下。n = int(input())a = []while n: n-=1 s = input() s = s[-6:] s = list(map(int, s)) #s.sort() s = int(''.join([str(t) for t in s])) a.append(s)a.sort()...

原创 【Keep】2019校招第二批-Java/数据/算法工程师（平板支撑、各位数之和、收集沙子）

这题没想到快捷方法，就用普通方法做了，先查询是否在数组中，如果在就返回index，不在就添加，再返回index。值得注意的是python的input().split的使用。s,m = [k for k in input().split()] #s保存一个带有,的str类型，m也是一个str类型#m=22#s='21,23,25,26'a = [int(n) for n in s.s...

原创 【VMware】 2019校招在线考试 （python）（数量有限的最少硬币问题、还能拖多久、最大整数）

1.硬币个数有限，要求用最少的硬币找钱。这是经典动态规划考题“最少硬币问题”的变形，当硬币个数有限的时候，拼凑硬币的最少个数。参考 http://www.voidcn.com/article/p-fnfrzdfl-uz.html忘记要sort一下了，结果只通过了9%。硬币个数有限，要求用最少的硬币找钱。假设各种硬币面值t[i](顺排)，个数c[i]，a[i][j]为用t[0]..t[i]...

原创 python实现《剑指offer》66道题

1. 二维数组中的查找从右上到左下 注意while中内容怎么写class Solution:# array 二维列表    def Find(self,target, array):        # write code here  &amp

原创 CS231n Convolutional Neural Networks (CNNs / ConvNets) 神经网络1

神经网络算法计算公式是 s=W2max(0,W1x)s=W2max(0,W1x)s=W_2max(0,W_1x)其中W_1的含义是这样的：举个例子来说，它可以是一个[100x3072]的矩阵，其作用是将图像转化为一个100维的过渡向量。函数max(0,-)是非线性的，它会作用到每个元素。这个非线性函数有多种选择，后续将会学到。但这个形式是一个最常用的选择，它就是简单地设置阈值，将所有小于0的值变成...

原创 CS231n 优化 optimization

optimization 优化 http://cs231n.github.io/optimization-1/ 优化是查找使损失函数最小化的一组参数WWW的过程。找到能够最小化损失函数值的WWW。损失函数（loss function），它是用来量化预测分类标签的得分与真实标签之间一致性的。该方法可转化为一个最优化问题，在最优化过程中，将通过更新评分函数的参数来最小化损失函数值。...

原创 CS231n Linear Classification Note 线性分类

对于图像，每个像素都被认为是一个特征。一个单独的矩阵乘法Wx_i就高效地并行评估10个不同的分类器（每个分类器针对一个分类），其中每个类的分类器就是W的一个行向量。既然定义每个分类类别的分值是权重和图像的矩阵乘，那么每个分类类别的分数就是这个空间中的一个线性函数的函数值。 所以最后是一个函数，就不用训练集了。 https://zhuanlan.zhihu.com/p/2094...

原创 CS231n knn python 课后作业

knn程序http://cs231n.github.io/classification/ L1 distance d1(I1,I2)=∑p|Ip1−Ip2|def predict(self, X):""" X is N x D where each row is an example we wish to predict label for """num_test ...

原创 CS231n 反向传播 Backprop

https://zhuanlan.zhihu.com/p/21407711?refer=intelligentunit反向传播 梯度（偏导数） 函数关于每个变量的导数指明了整个表达式对于该变量的敏感程度。先考虑一个简单的二元乘法函数f(x,y)=xy。对两个输入变量分别求偏导数还是很简单的： f(x,y)=xy→dfdx=ydfdy=xf(x,y)=xy→dfdx=yd...

原创 CS231n 7. Training Neural Networks II 训练神经网络

7.1 更好的优化随机梯度下降（SGD）：在每次迭代中，选取一小部分训练样本，成为minibatch（小批量），用minibatch来估算误差总和L(W)和实际梯度wL(W).这种选取是随机的，当做对真实值期望的蒙特卡洛估计。SGD存在的问题： 鞍点：既不是极大值点也不是极小值点的临界点 噪声项。。优化算法：使网络更快收敛SGD动量法： 加入动量项 vtvtv_t初始化...

原创 python3 与python2 区别

print python3:print(‘%f’%name)有括号 python2:print ‘%f’%name无括号xrange python3中，将range和xrange合并为rangesize写作(100,)，是一个1*100的array，而不是100*1transpose转置 Xte=Xte.reshape(10000,3,32,32).transpose(0,2,3,...

原创 CS231n ConvNet notes 卷积神经网络

https://zhuanlan.zhihu.com/p/22038289?refer=intelligentunit卷积神经网络的结构基于一个假设，即输入数据是图像。 在CIFAR-10中，图像的尺寸是32x32x3（宽高均为32像素，3个颜色通道），因此，对应的的常规神经网络的第一个隐层中，每一个单独的全连接神经元就有32x32x3=3072个权重。（一个神经元就有很多权重，第一...

原创 CS231n Neural Nets notes 3 神经网络笔记3

https://zhuanlan.zhihu.com/p/21741716?refer=intelligentunit梯度检查使用少量数据点。解决上面的不可导点问题的一个办法是使用更少的数据点。因为含有不可导点的损失函数(例如：因为使用了ReLU或者边缘损失等函数)的数据点越少，不可导点就越少，所以在计算有限差值近似时越过不可导点的几率就越小。还有，如果你的梯度检查对2-3个数...