“2019春-智能硬件-第七次课-教学计划”版本间的差异
来自iCenter Wiki
（→4） |
|||
| （2位用户的15个中间修订版本未显示） | |||
| 第1行： | 第1行： | ||
2019-04-09 | 2019-04-09 | ||
| + | =1= | ||
| − | + | [[智能音箱]]的技术概要 | |
| − | + | [[深度学习]]/ | |
| + | [[卷积神经网络]]CNN/[[循环神经网络]]RNN | ||
| − | 模型训练：audioNet : http://gitlab.icenter.tsinghua.edu.cn/saturnlab/ | + | #Alex Krizhevsky, Ilya Sutskever and Geoffrey E. Hinton, ImageNet Classification with Deep Convolutional Neural Networks, NIPS 2012. |
| + | |||
| + | =2= | ||
| + | |||
| + | Introduction to Keras, https://www.tensorflow.org/guide/keras | ||
| + | |||
| + | MNIST数据集识别：Keras实现卷积网络 | ||
| + | |||
| + | http://gitlab.icenter.tsinghua.edu.cn/zhenchen/STIS-2019.git | ||
| + | |||
| + | =3= | ||
| + | |||
| + | 循环神经网络 | ||
| + | |||
| + | https://keras.io/layers/recurrent/ | ||
| + | |||
| + | https://karpathy.github.io/2015/05/21/rnn-effectiveness/ | ||
| + | |||
| + | =4= | ||
| + | |||
| + | 语音交互-[[智能硬件]]：[[唤醒词检测]]、[[语音识别]]与[[语音合成]]功能； | ||
| + | |||
| + | 模型训练：audioNet : http://gitlab.icenter.tsinghua.edu.cn/saturnlab/audioNet | ||
| + | # 创建GPU帐号，请注意务必在“开放端口”处添加9000端口（在线预测网站端口），名称任意 | ||
| + | # 进入audioNet文件夹 | ||
| + | # 安装依赖库 bash install.sh | ||
| + | # 数据下载： wget https://cloud.tsinghua.edu.cn/f/17407ad83bb4495b86d3/?dl=1 -O raw_data.zip | ||
| + | # 数据解压： unzip raw_data.zip | ||
| + | # 数据转换： python convert_file.py audio_data | ||
| + | # 模型训练：python train.py | ||
| + | |||
| + | 我们提供预训练好的模型,进入models文件夹，输入命令 wget https://cloud.tsinghua.edu.cn/f/98e2272c4df54e0d9cbf/?dl=1 -O save_17.h5 | ||
客户端实现：Android : http://gitlab.icenter.tsinghua.edu.cn/saturnlab/androidAudioRecg | 客户端实现：Android : http://gitlab.icenter.tsinghua.edu.cn/saturnlab/androidAudioRecg | ||
| + | |||
| + | =5= | ||
| + | |||
| + | GPU User Guide, | ||
| + | |||
| + | http://wiki.icenter.tsinghua.edu.cn/icenterwiki/index.php/AI云 | ||
2019年4月9日 (二) 06:31的最后版本
2019-04-09
1
智能音箱的技术概要
- Alex Krizhevsky, Ilya Sutskever and Geoffrey E. Hinton, ImageNet Classification with Deep Convolutional Neural Networks, NIPS 2012.
2
Introduction to Keras, https://www.tensorflow.org/guide/keras
MNIST数据集识别：Keras实现卷积网络
http://gitlab.icenter.tsinghua.edu.cn/zhenchen/STIS-2019.git
3
循环神经网络
https://keras.io/layers/recurrent/
https://karpathy.github.io/2015/05/21/rnn-effectiveness/
4
模型训练：audioNet : http://gitlab.icenter.tsinghua.edu.cn/saturnlab/audioNet
- 创建GPU帐号，请注意务必在“开放端口”处添加9000端口（在线预测网站端口），名称任意
- 进入audioNet文件夹
- 安装依赖库 bash install.sh
- 数据下载： wget https://cloud.tsinghua.edu.cn/f/17407ad83bb4495b86d3/?dl=1 -O raw_data.zip
- 数据解压： unzip raw_data.zip
- 数据转换： python convert_file.py audio_data
- 模型训练：python train.py
我们提供预训练好的模型,进入models文件夹，输入命令 wget https://cloud.tsinghua.edu.cn/f/98e2272c4df54e0d9cbf/?dl=1 -O save_17.h5
客户端实现：Android : http://gitlab.icenter.tsinghua.edu.cn/saturnlab/androidAudioRecg
5
GPU User Guide,
http://wiki.icenter.tsinghua.edu.cn/icenterwiki/index.php/AI云
