查看“智能硬件-挑战-小环节”的源代码

=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 4.4.0+ For Windows

https://www.continuum.io/downloads

*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）
 
[https://www.tensorflow.org/install/ tensorflow_install]

*TensorFlow tfExample（2小时）
（准备：GPU工作站）

[http://gitlab.icenter.tsinghua.edu.cn/saturnlab/tfExample 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）

[http://gitlab.icenter.tsinghua.edu.cn/saturnlab/audioNet 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）

[http://gitlab.icenter.tsinghua.edu.cn/saturnlab/androidAudioRecg 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