智能硬件-挑战-小环节

来自iCenter Wiki
跳转至： 导航、 搜索

软件下载

  • Android Studio

https://developer.android.com/studio/index.html

  • Python 3.6.2+ for Windows

https://www.python.org/downloads/

  • Anaconda 5.3.1 For Windows

https://www.continuum.io/downloads 校内下载地址 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.3.1-Windows-x86_64.exe

  • Tensorflow 1.3+ For Windows

https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/

软件安装

  • 编辑开发环境 
（1）Notepad++文件编辑器； 下载链接：https://notepad-plus-plus.org/ 

（2）Git-GUI安装程序；下载链接：https://git-scm.com/download/
  • 音视频处理 
（3）音视频处理：
     ffmepg；下载链接：https://www.ffmpeg.org/
     SOX: 下载链接：http://sox.sourceforge.net/
  • TensorFlow GPU (1.3+)相关： 
（4）Python相关：Anaconda Python；（集成科学计算的python发行版Anaconda）

（5）GPU相关：CUDA驱动\CuDNN库。

 CUDA Toolkit是NVIDIA公司面向GPU编程提供的基础工具包，也是驱动显卡计算的核心技术工具。 

直接安装CUDA8.0即可 下载地址：https://developer.nvidia.com/cuda-downloads 

 下载CuDNN库 v6.0版本，即 cudnn-8.0-win-x64-v6.0.zip。 
 下载解压出来是名为cuda的文件夹，里面有bin、include、lib。将三个文件夹复制到安装CUDA的地方覆盖对应文件夹。
 默认文件夹在：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\8.0

（6）TensorFlow (1.3+)： 

pip install tensorflow

pip install tensorflow-gpu

pip install --ignore-installed --upgrade https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/cpu/tensorflow-1.3.0rc0-cp36-cp36m-win_amd64.whl

pip install --ignore-installed --upgrade https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/gpu/tensorflow_gpu-1.3.0rc0-cp35-cp35m-win_amd64.whl

（7）conda 安装Tensorflow

conda 是一个开源包和环境管理系统，能够跨平台运行，在 Mac、Windows 和 Linux 上都可以运行。conda 安装将自动安装 GPU 支持所需的 CUDA 和 CuDNN 库。

从 TensorFlow 1.9.0 版本开始，conda TensorFlow 包使用面向深度神经网络的英特尔数学核心函数库（Intel MKL-DNN），该库带来了巨大的性能提升。

MKL 库不仅加速 TensorFlow 包，还能加速其他广泛使用的库，如 NumPy、NumpyExr、SciPy 和 Scikit-Learn。

安装CPU版本： 

conda install tensorflow

安装GPU版本： 

conda install tensorflow-gpu


语音训练数据集

语音数据录音和训练数据下载：

文件服务器：\\101.6.161.11\ 和 \\101.6.160.42\


TensorFlow

  • Python/TensorFlow安装

（准备GPU工作站）

tensorflow_install

  • TensorFlow tfExample（2小时）

（准备：GPU工作站）

tfExample

  • TensorFlow audioNet （4小时）

（准备：GPU工作站；）

（格式统一后的待训练语音数据：120或42服务器上）

audioNet

  • 模型文件转化（4小时）

（准备：GPU工作站）

生成asrModel.pb

save_XXX.h5 --->>> *.pb

Android

  • Android Studio安装

（准备：GPU工作站）

  • Android开发简介（2小时）
  • androidAudioRecg （4小时）

（准备：安卓手机或平板）

androidAudioRecg


参考教材

[1] 陈震，郑文勋，智能硬件TensorFlow实践，清华大学出版社，2018年7月。

网址： https://github.com/nslab-saturn/Smart-Things-TensorFlow-Practice

取自“http://wiki.icenter.tsinghua.edu.cn/icenterwiki/index.php?title=智能硬件-挑战-小环节&oldid=51796”