“2015011719”版本间的差异
来自iCenter Wiki
(以“2017.07.11 主要工作是创建在两个网站上的账户,并录制24条语音指令。”为内容创建页面) |
|||
第2行: | 第2行: | ||
主要工作是创建在两个网站上的账户,并录制24条语音指令。 | 主要工作是创建在两个网站上的账户,并录制24条语音指令。 | ||
+ | |||
+ | 2017.7.13 | ||
+ | |||
+ | 主要工作是在惠普工作台上安装Windows10系统,并安装了Anaconda和Tensorflow。 | ||
+ | |||
+ | 2017.7.14 | ||
+ | |||
+ | 下午首先学习了深度学习人工神经元的基本知识。然后,试用了tfexample,初步理解了反复通过结果迭代对权重进行微调的实验过程。然后,将音频文件都通过ffmpeg转换为了wav格式,并试着用train.py开始了训练。在此过程中,发现client.py必须要进入目录下使用才能正常运行,也是不可多得的收获。 | ||
+ | |||
+ | 2017.7.15 | ||
+ | |||
+ | 将数据转移到GPU工作站上重新开始运行,速度提升很大。阅读了train、model、convert_pb等几个程序脚本,理解了程序背后的原理。和搭档一起,通过转换.h5文件得到pb文件后,在安卓studio里生成了APP,并在平板上试运行了,正确率颇高。 |
2017年7月15日 (六) 13:01的最后版本
2017.07.11
主要工作是创建在两个网站上的账户,并录制24条语音指令。
2017.7.13
主要工作是在惠普工作台上安装Windows10系统,并安装了Anaconda和Tensorflow。
2017.7.14
下午首先学习了深度学习人工神经元的基本知识。然后,试用了tfexample,初步理解了反复通过结果迭代对权重进行微调的实验过程。然后,将音频文件都通过ffmpeg转换为了wav格式,并试着用train.py开始了训练。在此过程中,发现client.py必须要进入目录下使用才能正常运行,也是不可多得的收获。
2017.7.15
将数据转移到GPU工作站上重新开始运行,速度提升很大。阅读了train、model、convert_pb等几个程序脚本,理解了程序背后的原理。和搭档一起,通过转换.h5文件得到pb文件后,在安卓studio里生成了APP,并在平板上试运行了,正确率颇高。