2017年7月16日 (日) 09:05的版本

2017-7-14

安装windows10 操作系统 安装Python, Anaconda, Notepad等软件 尝试解决数字识别问题。中途因为各种原因失败了很多次，后来在老师的帮助下重新安装了Python，最终成功了，虽然还不是很清楚原理。 继续探索。

2017-7-15

学习了关于机器识别的一些原理性知识。 录制了24条语音指令。通过convent_file文件将原来的m4a格式转换成了wav格式。然后通过ipython及相应的代码做出音频文件相应的波形图。如下图所示。

从gitlab上下载了audioNet文件，开始训练语音识别。一开始没有发现data中有很多（编号大于10000的）无效文件，后来经指点后发现，删除了它们。运行.py文件时要注意一定要在相应的目录下运行。 “cd” change director “cd \ ” 返回根目录 “cd..” 返回上一级目录 “↑ ” 复制粘贴上一次的命令

修改Python文件后，control S 可保存修改。

2017-7-16

经过晚上和上午的运行，成功训练了40个epoch，训练准确率已经达到99%，测试准确率达到95%。之后通过Android Studio在安卓系统的平板上安装了App。 具体步骤如下：在Gitlab中下载androidAudioRecg，在Android Studio中打开AudioSpeechRecognition.java，先生成.apk文件，然后run，就可以在平板上安装了。（注意，要将平板调成开发者模式，具体为：设置-关于平板电脑-版本号点击多次，然后在开发人员选项中打开USB调试）。 安装后进行测试，发现测试效果不是很好，“关机”“开机”“上”“下”等经常识别不清。后来经学长提醒，发现忘记用自己做出的model生成pb文件，系统自动用了以前的，所以之前生成的APP并不是自己做的。后来纠正了错误，重新生成了APP，识别准确率相当不错。 晚上上图。