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
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
摘要：
目录1. 假设你是一位技术专家，a56爆大奖在线娱乐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
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
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
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
摘要：
目录1. 概念2. BiLSTM + CRF 结构3. CRF建模的损失函数4. 全部路径的分数计算--前向算法的动态规划5. CRF的Viterbi解码 参考链接： https://paddlepedia.readthedocs.io/en/latest/tutorials/natural_lan 阅读全文
摘要：
目录1. 训练2. 推理3. 效果 1. 训练 import collections import numpy as np import tensorflow as tf # 数据预处理 # poetry_file = './data/poetry.txt' # 诗集 poetrys = [] wi 阅读全文
摘要：
目录1. 数据的获取2. 数据加载3. 制作数据集4. 制作训练集5. 模型定义6. 训练模型7. 可视化8. 结果 1. 数据的获取 # 导入一些需要的库 # 由于Python是由社区推动的开源并且免费的开发语言，不受商业公司控制，因此，Python的改进往往比较激进， # 不兼容的情况时有发生。 阅读全文
摘要：
GPT 代码与论文 https://github.com/lyeoni/gpt-pytorch https://cdn.openai.com/research-covers/language-unsupervised/language_understanding_paper.pdf Bert算法的论 阅读全文