- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我尚未成功使用 TensorFlow 训练 RNN 解决语音到文本问题。我决定使用纯 FFT(即频谱图)作为训练数据来重现 Alex Graves, and Navdeep Jaitley, 2014 中描述的方法的结果。 ,并编码了 3 层双向 RNN,每个层有 300 个 LSTM 单元。我想描述一下从预处理音频信号到解码 logits 所遵循的步骤。
预处理:
使用 matplotlib.mlab 中的频谱图函数将时域中的每个音频信号分割为 20ms 的帧,NFFT = (fs/1000 * 20 个样本) 长度,并执行重叠 7ms 的加窗和 FFT。
我最初尝试过计算功率谱ps |fft|^2
,和 dB 10 * log10(ps)
,但是 TensorFlow CTC Loss 函数会产生 nan 值,并且优化器显然会将所有参数更新为 nan,因此我没有继续使用它。
值得一提的是,频谱图并未标准化,因为它仅使 TensorFlow 出于某种原因产生 nan 值。有人请澄清为什么会发生这种情况。我有一种感觉梯度正在消失。关于使用什么初始化器范围有什么建议吗?
由于不同的音频文件长度不同,我用 max_time 填充了每个批处理的帧,因为这是形成 mini-batch
所必需的。形状[max_time,batch,NFFT]
.
由于所有目标转录都是大写字母,因此我只将 A-Z、空格和一些标点符号包含到类列表中(总共 32 个),用于将字符串目标转录转换为 SparseTensor。
RNN 配置:
前向和后向单元,每个 LSTM 单元每层有 300 个单元,使用窥孔架构,忘记偏差最初设置为 0 以查看性能。
双向动态 RNN,project_size 设置为 hidden_size 500
.
序列长度张量为批处理中的每个数据及其最大时间长度适当分配值。
自 tf.nn.bidirectional_dynamic_rnn
不包括输出层sigmoid or softmax
,我执行线性回归,其权重形状为 = [hidden_size,n_chars]
.
我使用了损失函数tf.nn.ctc_loss
,它最初返回 650 或 700 等巨大值,并在数百个 epoch 后下滑至最大值 500。
最后使用CTC波束搜索解码器从输出softmax or sigmoid
生成的logits中找到最佳路径。层。
现在,我不明白我哪里出了问题,但我只是没有得到所需的转录(即权重没有收敛以产生目标结果)。我请求有人澄清为什么会发生这种情况。我尝试过使用 100 个音频剪辑来使网络过度拟合,但没有用。预测结果与期望的转录相差甚远。
感谢您的时间和支持。
最佳答案
有很多参数可供使用。我发现具有高动量(大于 0.99
)的 momentum
优化器往往效果良好。其他人发现批处理会导致问题,因此应该使用较小的批处理大小。
无论哪种方式,这些模型的收敛都需要很长时间。
关于tensorflow - 使用 TensorFlow 进行端到端语音识别的 RNN,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/38385292/
我想将模型及其各自训练的权重从 tensorflow.js 转换为标准 tensorflow,但无法弄清楚如何做到这一点,tensorflow.js 的文档对此没有任何说明 我有一个 manifest
我有一个运行良好的 TF 模型,它是用 Python 和 TFlearn 构建的。有没有办法在另一个系统上运行这个模型而不安装 Tensorflow?它已经经过预训练,所以我只需要通过它运行数据。 我
当执行 tensorflow_model_server 二进制文件时,它需要一个模型名称命令行参数,model_name。 如何在训练期间指定模型名称,以便在运行 tensorflow_model_s
我一直在 R 中使用标准包进行生存分析。我知道如何在 TensorFlow 中处理分类问题,例如逻辑回归,但我很难将其映射到生存分析问题。在某种程度上,您有两个输出向量而不是一个输出向量(time_t
Torch7 has a library for generating Gaussian Kernels在一个固定的支持。 Tensorflow 中有什么可比的吗?我看到 these distribu
在Keras中我们可以简单的添加回调,如下所示: self.model.fit(X_train,y_train,callbacks=[Custom_callback]) 回调在doc中定义,但我找不到
我正在寻找一种在 tensorflow 中有条件打印节点的方法,使用下面的示例代码行,其中每 10 个循环计数,它应该在控制台中打印一些东西。但这对我不起作用。谁能建议? 谢谢,哈米德雷萨, epsi
我想使用 tensorflow object detection API 创建我自己的 .tfrecord 文件,并将它们用于训练。该记录将是原始数据集的子集,因此模型将仅检测特定类别。我不明白也无法
我在 TensorFlow 中训练了一个聊天机器人,想保存模型以便使用 TensorFlow.js 将其部署到 Web。我有以下内容 checkpoint = "./chatbot_weights.c
我最近开始学习 Tensorflow,特别是我想使用卷积神经网络进行图像分类。我一直在看官方仓库中的android demo,特别是这个例子:https://github.com/tensorflow
我目前正在研究单图像超分辨率,并且我设法卡住了现有的检查点文件并将其转换为 tensorflow lite。但是,使用 .tflite 文件执行推理时,对一张图像进行上采样所需的时间至少是使用 .ck
我注意到 tensorflow 的 api 中已经有批量标准化函数。我不明白的一件事是如何更改训练和测试之间的程序? 批量归一化在测试和训练期间的作用不同。具体来说,在训练期间使用固定的均值和方差。
我创建了一个模型,该模型将 Mobilenet V2 应用于 Google colab 中的卷积基础层。然后我使用这个命令转换它: path_to_h5 = working_dir + '/Tenso
代码取自:- http://adventuresinmachinelearning.com/python-tensorflow-tutorial/ import tensorflow as tf fr
好了,所以我准备在Tensorflow中运行 tf.nn.softmax_cross_entropy_with_logits() 函数。 据我了解,“logit”应该是概率的张量,每个对应于某个像素的
tensorflow 服务构建依赖于大型 tensorflow ;但我已经成功构建了 tensorflow。所以我想用它。我做这些事情:我更改了 tensorflow 服务 WORKSPACE(org
Tensoflow 嵌入层 ( https://www.tensorflow.org/api_docs/python/tf/keras/layers/Embedding ) 易于使用, 并且有大量的文
我正在尝试使用非常大的数据集(比我的内存大得多)训练 Tensorflow 模型。 为了充分利用所有可用的训练数据,我正在考虑将它们分成几个小的“分片”,并一次在一个分片上进行训练。 经过一番研究,我
根据 Sutton 的书 - Reinforcement Learning: An Introduction,网络权重的更新方程为: 其中 et 是资格轨迹。 这类似于带有额外 et 的梯度下降更新。
如何根据条件选择执行图表的一部分? 我的网络有一部分只有在 feed_dict 中提供占位符值时才会执行.如果未提供该值,则采用备用路径。我该如何使用 tensorflow 来实现它? 以下是我的代码
我是一名优秀的程序员,十分优秀!