- 博客(43)
- 收藏
- 关注
RSS订阅原创 基于LSTM的语音分类（原理加代码）
目录实现目标原始数据为200个音频文件，分别为真实人说话的声音，和机器合成的声音。实现目标为成功将两种声音进行分类。此贴记录了，实现的整个流程包括每一部分的代码以及背后的数学原理和方法的简介，以及每一部分出现的问题和坑点解决办法以及我的一些理解和疑惑。数据读取读取音频文件，并将音频文件转换成mfcc特征import scipy.io.wavfile as wavimport librosafrom python_speech_features import mfcc"""librosa
2021-05-24 21:25:48
10176
22
原创 python中MFCC底层源码（python_speech_features中的mfcc）
虽然源码中有介绍，但是为了方便理解和使用。我加入自己的理解。顺便把里面的英语翻译下# calculate filterbank features. Provides e.g. fbank and mfcc features for use in ASR applications# Author: James Lyons 2012from __future__ import divisionimport numpyfrom python_speech_features import sigproc
2021-04-24 11:04:18
809
原创 牛客网sys.stdin系列函数的用法
python3中使用sys.stdin.readline()可以实现标准输入，默认输入的格式是字符串，如果是int，float类型则需要强制转换。以牛客网的一些题目为例说明其中部分函数的用法：两数之和：class Solution: def twoSum(self , numbers , target ): # write code here res = [] dic = {} for i in range(len(numbers
2021-04-23 22:18:27
1700
原创 python实现快速排序（数据结构笔记）
快速排序;该方法的基本思想是：1．先从数列中取出一个数作为基准数。2．分区过程，将比这个数大的数全放到它的右边，小于或等于它的数全放到它的左边。3．再对左右区间重复第二步，直到各区间只有一个数。实际操作步骤：1、指定列表A中的一个数作为一个基准，这里取第一个数。2、创建两个指针和一个中间变量，第一个指针指向序列的开头作为low第二个指针指向末尾作为high，中间变量用来存放第一步从列表中取出的基准3、先从后往前逐一判断再从前往后判断：从后往前：如果 A[high] 比基准middl
2021-04-16 16:40:11
143
原创 python实现插入排序（数据结构笔记）
插入排序：插入排序，一般也被称为直接插入排序。对于少量元素的排序，它是一个有效的算法 [1] 。插入排序是一种最简单的排序方法，它的基本思想是将一个记录插入到已经排好序的有序表中，从而一个新的、记录数增1的有序表。在其实现过程使用双层循环，外层循环对除了第一个元素之外的所有元素，内层循环对当前元素前面有序表进行待插入位置查找，并进行移动def insertionSort(lyst): i = 1 while i < len(lyst): temp = lyst[i
2021-04-14 11:00:57
90
原创 python实现选择排序（数据结构笔记）
import numpy as npdef selectionSort(lyst): i = 0 while i < len(lyst) - 1 : minIndex = i j = i + 1 while j < len(lyst): if lyst[j] < lyst[minIndex]: minIndex = j j += 1
2021-04-14 10:35:02
111
原创 python类的使用，函数的搭建
题目：针对图书馆的一个简单的软件系统：1、读者只能够最多借三本书。每本图书有一个等待借阅的读者的列表。每本图书有一个标题、作者、已经借阅/没借阅的一位读者，以及等待这本书还回后再继续借阅读者列表。编写一个类来模拟这些对象。2、编写一个类，他能管理1中的图书和读者。这个类应该包含添加、删除和查找图书和读者的方法，还应该有借阅和归还图书的方法。编写并测试上述程序。程序：class library(object): book_1 = {"A(a)":"","B(a)":"","C(a)":""
2021-04-10 15:05:54
104
2
原创 python文件的读写小函数
python练习使用文件的读写，和定义函数题目：编写一个程序，它允许用户在文件的文本中导航。程序提示用户输入一个文件名，并且输入想要放入到列表中的文本行。然后，程序进入到循环当中，他会输出文件的行数，并且提示用户输入一个行号。实际的行号范围是从1到文件中的行数。如果用户输入0，程序退出。否则，程序输出和该行号相关的行。思路定义两个主函数，一个用于交互，另外一个用于读写文件。读写文件这里没有使用whlle循环。其实while进行循环更好。def read(name,texts = "",path
2021-04-09 22:03:25
128
原创 python众数，平均数，中位数实现代码（包括字典的使用）
不使用numpy，用python实现判断一个列表中众数中位数和平均数题目：统计学家想要用一组函数巨酸一列数字的中位数和众数，中位数是将一个列表排序后出现在中间位置的数。众数是在列表中出现最频繁的数。在一个模块中定义这些函数。还要包含一个名为mean的函数，它计算一组数字的平均数。每个函数都接受数字的一个列表作为参数，并且返回一个单个的数字。思路：定义一个类，然后分别写一个排序函数，计算平均数的函数，计算中位数的函数，计算众数的函数。排序：用冒泡排序; def sorting(self,
2021-04-09 17:51:35
2719
原创 Fluent基于低氧舱气体交换仿真（氮气与空气混合）
一、背景概述模拟低氧舱充氮气和排除混合气体的过程，假设注入95%的氮气，舱内原有气体为空气，压力为标准大气压，温度为300K。观察气体注入过程中，舱内平均氮气和氧气浓度的变化。二、Fluent设置Setup1、Generaltype选择压力基绝对速度瞬态重力勾选2、Model能量方程开启组分运输开启，设置方法如下：选择后OK，view就会变成Edit，点击Edit。然后再次点击Edit。将组分中的非氮气氧气和空气的气体移除，右边选项需要将空气放在最后一位。3、Materi
2021-04-06 09:28:51
6750
3
原创 python sys.stdin.readline()功能
sys.stdin.readline()可以实现标准输入，需要调用sys库其功能和input基本相同。区别：input()方法和stdin()类似，不同的是input()括号内可以直接填写说明文字测试sys.stdin.readline()一次只读一行sys.stdin.readline().strip()用于消除输入首尾的空格、\n、\timport sysprint("input a target:")line = str(sys.stdin.readline().strip())
2021-03-19 21:55:01
1871
原创 python中各种数据类型的转换（更新）
1. 从一个向量中删除一个元素import numpy as npa = [0,1,2,3,4,5,6,7,7,8,8,8,8,1,0,0,0]a = np.array(a)b = list(a)a1 = np.delete(a,b.index(8))print(a1)结果[0 1 2 3 4 5 6 7 7 8 8 8 1 0 0 0]删除了向量中出现的第一个84. 数组、向量、张量...
2021-03-02 18:09:19
206
原创 ValueError: cannot reshape array of size 39571797 into shape (2,newaxis)
在读取音频文件和改音频文件的过程中出现了一个bugwave_data = np.frombuffer(str_data,dtype = np.short)读取的数据wave_data是<class 'numpy.ndarray'>ValueError: cannot reshape array of size 39571797 into shape (2,newaxis)原因：39571797是奇数，没有办法变成2行/2列。解决办法：wave_data = np.frombu
2021-03-02 16:21:29
2473
原创 抠图
#!/usr/bin/python3.7# -*- coding: utf-8 -*-import osimport paddlehub as hubimport requestsimport matplotlib.pyplot as pltimport matplotlib.image as mpimg# 加载模型human_seg = hub.Module(name ='deeplabv3p_xception65_humanseg')test_img_path = "008.j
2021-01-18 19:34:29
88
原创 用于深度学习的数据的格式——tensorflow中卷积神经网络到底feed的是什么样的数据，权重如何变化？
深度学习feed的数据格式背景实验总结与分析背景最近老师让研究下机器学习算法的一些内核，我就基于tensorflow进行了点简单的练习。首先，我自己制作了一组输入为6维，输出为1维的学习数据和训练数据，然后分割了数据集。在挖掘其内核权重变量的时候发现了个问题。tensor_name: Variable_1[[ 1.92495033e-01 1.21304095e-01 -8.90381858e-02 -1.06785689e-02 -1.63871124e-01 7.59168193e-
2020-12-28 21:31:07
595
原创 有关python在机器学习中print的相关问题
print的相关问题1、print array时array中间是省略号没有输出全部的解决方法1、print array时array中间是省略号没有输出全部的解决方法在开头加入：import numpy as npnp.set_printoptions(threshold=np.inf)
2020-12-28 16:17:33
98
1
转载 Tensorflow 2.0 函数手册(非官方文档)
Tensorflow 2.0 函数手册tensorflow.audiotensorflow.audio.decode_wavtensorflow.audio.encode_wavtensorflow.autographtensorflow.autograph.experimentaltensorflow.autograph.experimental.do_not_convert()tensorflow.autograph.experimental.set_loop_options()tensorflow.a
2020-12-28 10:47:54
5122
3
原创 在Tensorflow2.0中对变量进行初始化——tf.initializer软件包的使用
1.正态分布tf.truncated_normal_initializer(stddev=0.1, seed=1)
2020-12-28 10:23:08
1939
原创 Fluent16.0学习笔记（二）————边界条件
边界条件定义边界条件1、什么是边界条件2、流体域如何设置边界条件定义边界条件1、什么是边界条件要有确定的一个有唯一解的物理问题，必须指定边界上流场变量。解释：大多数来做ansys仿真无非就是分析空间内部的状态（比如某装配零件，装配好后，其内部的结构的受力分析，需要弄清楚哪一部分受力较大或较小等等），或者当某个条件改变的时候，状态的变化情况（我做的就这个，比如给一个密闭空间通入气体，气体内部空间的变化情况）。比如向密闭空间注入气体，注入气体的入口就算边界条件。定义一个边界条件主要包括：1）位置
2020-12-21 17:13:10
15848
3
原创 一个小小的练习————tensorflow对数据进行分类
这里主要使用了datasets模块生成数据，所以put上来记录下：import tensorflow as tfimport tensorflow.compat.v1 as tf1tf1.disable_eager_execution()from sklearn import datasetsfrom sklearn.model_selection import train_test_splitfrom sklearn.utils import shuffleimport matplotlib
2020-12-21 15:00:28
371
原创 使用Keras实现异或门
import numpy as npfrom keras.models import Sequentialfrom keras.layers import Dense,Activationfrom keras.optimizers import SGDmodel = Sequential ()model.add(Dense(input_dim= 2,units = 2))model.add(Activation('sigmoid'))model.add(Dense(1))model.ad
2020-12-21 09:53:51
259
原创 Fluent16.0学习笔记（一）——基本操作流程和一些框架
这里写自定义目录标题仿真的基本步骤仿真操作流程Fluent求解器的设置Fluent菜单栏选项其他操作仿真的基本步骤仿真操作流程1、创建项目2、读取几何模型/建模3、划分网格——mesh4、定义边界和域定义边界名：Mesh下→选择面→点击模型的边界→右键→created name selection5、编辑fluent，设置问题Fluent求解器的设置1、主要设置项目2、generalpressure-based为压力基适用于不可压缩流density-based为
2020-12-17 17:04:46
4867
1
转载 .eval()和sess.run()的应用
前几天写网络的时候发现个问题，今天看书又发现了。并且书中做出了解释。书中原话：可以用.eval()来确认诸如神经元是否激活、有没有被正确的分类等问题。但是，通过tf.Variable()定义的变量的值，要通过sess.run()来获取其内部内容补充一下，在会话窗口打开的时候，直接对变量或者神经元进行print只会显示其张量信息。eval不能处理对象列表数据。网上的解释：官方文档：答主解释：你可以使用sess.run()在同一步获取多个tensor中的值，使用Tensor
2020-12-17 15:09:11
147
原创 深度学习中的数据归一化
最近在做低氧舱滞后时间模拟的项目中遇到了输入数据量纲不同的情况，使用归一化和直接学习对比的情况发现训练结果大有不同。因此记录一下。归一化作用基本原理实现方法什么时候需要归一化实例：归一化前后数据训练情况对比作用归一化是一种简化计算的方式，即将有量纲的表达式，经过变换，化为无量纲的表达式，成为标量。 在多种计算中都经常用到这种方法。以上是百度给的定义。。。。。。个人理解归一化可以反应不同量纲数据中，基本原理实现方法什么时候需要归一化实例：归一化前后数据训练情况对比按列归一化...
2020-12-14 13:41:06
1752
原创 tf.argmax（）的用法
tf.argmax（）的主要功能是找出最大值并返回索引，注意是索引。下面是主要的内参数tf.argmax( input, axis=None, name=None, dimension=None, output_type=tf.int64)# input代表输入的数组# axis代表按行判断最大值还是按列判断最大值0代表列，1代表行默认为None（0）# name代表操作的名称，默认为None举例说明：import tensorflow as tfi
2020-12-14 09:37:34
2987
转载 使用全连接神经网络loss为0的问题
之前的使用低氧舱对滞后时间估计的模型中，计算loss时出现了全为0的情况。训练结果如图所示：分别分别为权重参数和loss。检查代码发现，一直到第一个隐藏层都没有任何问题。问题出在了下面一行代码上：loss = tf1.reduce_mean(tf1.nn.softmax_cross_entropy_with_logits_v2(logits=net1_out,labels = y ))问题原因转自：http://www.cnblogs.com/sddai/p/8526955.html定义神
2020-12-14 08:57:26
5815
原创 使用深度学习，对低氧舱滞后时间变化的估计（一）
最近希望通过ansys仿真结合深度学习对低氧舱气体扩散过程中存在的滞后时间进行学习，通过学习模型，通过输入控制系统的控制参数，获得系统的滞后时间，用于未来控制低氧舱决策系统中。此为该项目的第一部分。~~~~~滞后时间预测模型一、整体框架1、实现目标2、基本思路和框架二、模拟滞后时间数据1、模拟代码2、模拟结果三、深度学习部分1、全连接神经网络部分1、处理数据，数据分割2、全连接神经网络及其学习结果一、整体框架1、实现目标首先，低氧舱气体输入过程中，由于气体扩散的原因，会产生一定的滞后，并且这个滞后
2020-12-09 17:11:07
538
原创 tensorflow2.0模块库
此贴记录了tensorflow常用的模块库每个模块。按字母顺序排序，包括安装和使用Tensorflowtf.collection
2020-08-20 10:32:13
284
原创 Tensorflow学习笔记——（十二）图像数据的处理
1、图像的解码import matplotlib.pyplot as pltimport tensorflow as tfimport tensorflow.compat.v1 as tf1import sysimport importlibimportlib.reload(sys)tf1.disable_eager_execution()default_encodeing = 'gbk'image = tf1.gfile.FastGFile("D:/公用程序部分/tensor/1.jp
2020-08-11 16:59:18
212
原创 求大佬帮帮忙看看这个问题：‘utf-8‘ codec can‘t decode byte 0xd5的问题
在学习神经网络的时候，用cifar-10做测试。结果报错，并且没有给出具体的位置，debug也没有找到确切的位置Traceback (most recent call last): File "D:\Program Files\anaconda\envs\tensorflow\lib\threading.py", line 917, in _bootstrap_inner self.run() File "D:\Program Files\anaconda\envs\tensorflow
2020-08-07 16:33:17
618
3
原创 Tensorflow学习笔记（十）——卷积神经网络
一、卷积层的代码实现conv2d(input,filter,strides,padding,use_cudnn_on_gpu,data_format,name)#input：输入图像，是一个Tensor，具有[batch, in_height, in_width, in_channels]这样的shape，具体含义是[训练时一个batch的图片数量, 图片高度, 图片宽度, 图像通道数（1~3）]，注意这是一个4维的Tensor，要求类型为float32和float64其中之一（长度为4的列表）#[1
2020-08-04 16:06:26
176
原创 2020.7.29笔记——封装
今天下午给老师处理个小程序，里面有些东西记录于此，方便以后查看一、封装python封装程序使用的PyInstaller模块：①安装：打开命令行窗口输入pip install pyinstaller这里已经安装好了，没有安装过的会显示successful的提示②转到需要打包的文件夹下：需要封装的py文件，如 D：/python/programs/test.py则首先要在命令行切换到该文件夹：在命令窗口输入cd /d XXXXXX指的是文件所在文件夹，上例中则是 D：/python/pr
2020-07-29 22:22:04
88
原创 TensorFlow学习笔记（九）——全连神经网络
一、加载MNIST数据集from tensorflow.examples.tutorials.mnist import input_dataimport tensorflow as tftf.compat.v1.disable_eager_execution()mnist = input_data.read_data_sets("D:/公用程序部分/tensor/MNIST_data",one_hot = True)#input_data.read_data_sets(train——dir,fak
2020-07-29 10:47:37
286
原创 TensorFlow学习笔记（八）——避免过拟合，正则化以及其他方法
一、正则化此处需要学习现代数值计算方法，范数知识。1、二范数指矩阵A的2范数，就是A的转置共轭矩阵与矩阵A的积的最大特征根的平方根值，是指空间上两个向量矩阵的直线距离。类似于求棋盘上两点间的直线距离。（向量元素平方和再开方）2、一范数指的是向量元素的绝对值之和。3、无穷范数指的是向量元素中的最大值。1.正则化记损失函数和正则项分别为：因此引入正则的被优化项为：其中λ为提前挑选的值，控制我们偏好小范数权重的程度（越大偏好的范数就越小）...
2020-07-26 10:53:53
354
原创 Tensorflow学习笔记（七）优化方法，梯度优化
一、梯度下降算法梯度学习根据导数的定义，如果输入发生微小的变化，那么输出也会相应的变化：对导数符号化后，有:梯度下降的思路如下：寻找一个参数w，使得损失函数J(w)的值最小，通过不断的迭代，w会不断更新，最后会达到或接近最小值点。梯度下降算法原理图：梯度下降算法实际上一种求解最小二乘法最优解的有效工具。σ为学习率，该值越大学习速度越快，相反，也有可能因为过大而越过导致w变化过大导致始终无法达到最优点，所以应该适当的调整σ的大小。可以得到参数的更新公式如下：例如：取更新率为0.
2020-07-01 22:12:07
2881
原创 Tensorflow学习笔记（六）均方误差损失函数，MSE
一、均方误差损失函数对于回归问题，最常用的损失函数就是均方误差损失函数（MSE）定义如下：其中yi为输出中第i个数据的答案值，yi‘ 就是神经网络给出的预测值。因此最小化该函数就是优化的目标。通过最小二乘法，可以获得让MSE最小的数值。令偏导分别为0，则会有一个方程组，方程组化简后，会得到一个由n，yi，xi表达的式子，这样就可以获得相应的方程组，方便计算机求解。最终会转化成下图的形式：...
2020-06-30 15:57:43
5615
原创 Tensorflow学习笔记（五）深度前馈神经网络
一、神经元与全连接w代表神经元的参数，为权重；w右上角的（a）a为数字代表第几层（从第几层开始），右下角a，b…代表路径，如w1，2代表第一个输入单元至下一层的第二个单元。x代表输入值；右下角的数字标识为输入的单元的排序，1就是第一个。y代表输出值；一个神经元可以有多个输入，一个输出；每个神经元的输入可以来自其他神经元的输出；图中输出为：y=[0.2x1 + 0.2x2]a110.2 + [0.1x1 + 0.4x2]a120.5 + [0.3x1 + 0.3x2]a130.25二、前
2020-06-19 22:02:52
1123
原创 Tensorflow学习笔记（四）变量、张量
一、创建变量x = tf.Variable()tf.Variable(initial_value=None, trainable=True, collections=None, validate_shape=True, caching_device=None, name=None, variable_def=None, dtype=None, expected_shape=None, import_scope=None)tf.get_variable(name, shape=None, dty
2020-06-18 21:43:38
312
原创 Tensorflow学习笔记（三）会话Session、placeholder
一、Tensorflow的运行模型——会话Tensorflow大致可分为两个子系统：前端系统，后端系统。前端系统提供编程模型，负责构造计算图，后端系统提供运行环境，负责执行计算图。①会话的使用方式：1、标准方法：Session类的Session（）构造函数创建会话Session类的close（）关闭会话释放本次会话的资源此方法虽然简单，但是程序出错后，close（）函数不会生效，容易造成资源泄露。2、with/as：环境上下文管理器，格式如下：with tf.compat.v1.Sessi
2020-06-10 21:41:36
583
原创 Tensorflow学习笔记（二）简单使用，Graph构建一个简单的计算图、as_default指定计算图
简单的向量相加。import tensorflow as tftf.compat.v1.disable_eager_execution()#动态图机制，disable处于不可使用状态，enable可使用状态config = tf.compat.v1.ConfigProto(allow_soft_placement=True)#对session会话进行参数控制，allow_soft_placement=True为允许TF自动分配设备，log_device_placement=True 为打印设备分配
2020-06-09 17:01:49
517
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人