-
Notifications
You must be signed in to change notification settings - Fork 1
/
程序说明.txt
94 lines (83 loc) · 3.82 KB
/
程序说明.txt
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
python3.4: TensorFlow-1.0.0 tensorboard-0.1.8 tflearn-0.3.2
python2.7: TensorFlow-0.8.0
2.7.14(~/anaconda2/bin/python) :
tensorflow-1.3.0 tensorboard-0.1.5
2.7.14(~/anaconda2/envs/New1/bin/python) :
tensorflow-1.0.0
2.7.14(~/anaconda2/envs/tflearn/bin/python) :
tensorflow-1.3.0 tensorboard-0.1.5 tflearn-0.3.2
1,Speech Recognition :语音识别
Speech-Re-1 :百度语音识别API的使用样例(python2)
Speech-Re-2 :Python之PyAudio使用
Speech-Re-3 :PyAudio是一个功能强大的处理音频库,可以录音
Spe-Pyaudio :播放声音,录音,回放
Speech-Re-4 :Pyaudio,Wave,播放声音
Speech-Re-5 :播放声音 --(可用)
Speech-Re-6 :struct模块的pack、unpack, calcsize示例. 读取WAV音频文件 画频谱
Speech-Re-10:英文数字语音识别P187
Spe-Pyplot :画图
TensorBoard_1:
2,Mnist-1: mnist识别准备工作: 读取Mnist, 各种函数
Mnist-2: 读取mnist图片的方法
Mnist-3: BP算法,多层感知机,(可用,有点慢)
Mnist-4: tensorflow自带了MNIST数据集,下载数据集, (运行不出)
Mnist-5: 使用sklearn的svm分类,加载数据集Mnist, (运行不出)
Mnist-6: RNN-LSTM实现手写字识别,(可用)
Mnist-7: Mnist-6的分步进行
Mnist-8: 各种函数解析,如random(),array,range(),seed(),abs()等
Mnist-9: SVM对sklearn自带手写数字数据集进行分类,(可用)
Mnist-10: RNN调用TensorFlow实现手写字识别
Mnist-11(用): RNN调用TensorFlow实现手写字识别, (python2.7,tensorflow-V0.80), (可用)
Mnist-11_A(用): Mnist-11 增加功能
Mnist-12: RNN调用TensorFlow实现手写字识别, (python3.4,tensorflow-V1.30), (可用)
Mnist-13: RNN调用TensorFlow实现手写字识别
Mnist-14: RNN调用TensorFlow实现手写字识别
Mnist-15: Tensorflow #1 祖传例子 MNIST 手写识别,(可用)
Mnist-16: 使用转换mnist数据库(ubyte)保存为bmp图片
Mnist-17: Python如何读取指定文件夹下的所有图像
Mnist-18: 同上
Mnist-19: 打印单张图片
Mnist-20: 除了用 opencv,也可以用matplotlib和PIL这两个库操作图片。
Mnist-A(用): 同Mnist-11,上课讲解, 作业
Mnist-A1: mnist的数据预处理
mnist_A2: 灰度图像和二值图像转换
Mnist-B: RNN, 类似于Mnist-11,(python2.7,tensorflow-V0.80), (可用)
Mnist-C: matplotlib画图
Mnist-D:
3,Speech Separation文件夹下:
Tensor-0: Tensorflow方法说明, 无
Tensor-1: TF生成数据的方法
TFLearn: Deep learning library featuring a higher-level API for TensorFlow.
(tfLearn:为TensorFlow提供更高级API的深度学习库)
TensorBoard1: TensorFlow自带可视化工具可视化工具
Save_restore : 神经网络模型的存储与加载
4,注意:不要随意更改已经调试好的,看似无用的代码!
Spe_main : 主函数
Spe-Separate_A: 读取wav,混合语音后生成wav文件,保存数据。(同Separate3)
Spe-Separate_B: 时间域波形、傅里叶变换、IFFT、输出数据存储.(精简Separate1)
Spe-Separate_B1:时间域波形、IFFT及其数据存储.(来自Separate_B)
Spe-Separate_C: RNN神经网络训练,改编自Mnist-11
Spe-Separate_D:
Spe-Separate1: 傅里叶变换
Spe-Separate2: timeit,计时
Spe-Separate3: 语音和噪声合成、音频处理用到的操作(全:读取、写入wav-单或双声道、播放、加窗、分帧、语谱图)
Spe-Separate4: tf.dynamic_rnn介绍,来自网上。
Spe-Separate5: tf.dynamic_rnn,用的李嘉璇书中的例子。
Spe-Separate6: Spe-Separate_C改编dynamic_rnn得到。可用了,2018.1.11调试好
Spe-Separate7: 使用xlrd读excel表--使用xlrd;将数据保存为xls格式--使用xlwt;
Spe-Separate8: txt2xls,文本转excel格式(可用)
Spe-Separate9: 遍历文件夹下所有文件,按字母顺序或者按时间顺序
Spe-Separate10: 遍历文件夹下所有文件,并逐个读取(可用于x,y的输入)
Spe-Separate11: Separate6改进版,保留
Spe-Separate12: tf.dynamic_rnn的使用,sequence_length(可用)
Spe-Separate13:
Spe-Separate14:
Spe-Separate15:
Spe-Separate16:
Spe-Separate20: 莫烦python:RNN LSTM (回归例子) --可用,python3.4:TF-1.0
Spe-Separate21: python:类和继承
Spe-Separate22: 莫烦python:Saver 保存读取
Spe-Separate23: 莫烦python:LSTM 循环神经网络 (Mnist分类例子)
Spe-remark : 备注,说明
one.py和two.py: two.py调用one.py的函数
shiyan_1、shiyan_2、shiyan_3: shiyan_1调用当前目录下的shiyan_2和其他目录下的shiyan_3