用 TensorFlow 创建自己的 Speech Recognizer
来源:互联网 发布:开发聊天软件 编辑:程序博客网 时间:2024/05/28 19:25
参考资料
源码请点:https://github.com/llSourcell/tensorf...
语音识别无处不在,siri,google,讯飞输入法,讯飞语记,智能家居,车,etc。
每天都在用的,很好奇它是怎么实现的,今天来看看这么便利的东东到底是什么样子呢。
进化史
最开始的 speech recognizer 只能识别 0-9 这几个数字,说别的单词是识别不了滴。
后来有一个叫做 DARPA 的梦想家 team 孜孜不倦地研究。
他们用 15000 个节点代表可能的发音,然后用暴力搜索 brute force search 算法来找到节点对应的文字。
后来 IBM 用 Hidden Markov Model 来预测每个点最大概率可能表示的文字。
再后来人们尝试用 NN 神经网络来做这个任务,但是很长时间没太大进展,直到 深度学习之父 Geoffrey Hinton 研究出个 Deep Learning 模型,语音识别的效果显著提高。
Yours ~~
像 Siri,Google 一样,现在我们来看看怎样用 TensorFlow 创建自己的 Speech Recognizer ,来识别数字吧。
Steps:
- 导入库
- 定义参数
- 导入数据
- 建立模型
- 训练模型并预测
1. 导入库
需要用到 tflearn,这是建立在 TensorFlow 上的高级的库,可以很方便地建立网络。
还会用到辅助的类 speech_data,用来下载数据并且做一些预处理。
from __future__ import division, print_function, absolute_importimport tflearnimport speech_dataimport tensorflow as tf
2. 定义参数
learning rate 是在更新权重的时候用,太高可以很快,但是loss大,太低较准但是很慢。
learning_rate = 0.0001training_iters = 300000 # stepsbatch_size = 64width = 20 # mfcc featuresheight = 80 # (max) length of utteranceclasses = 10 # digits
3. 导入数据
用 speech_data.mfcc_batch_generator 获取语音数据并处理成批次,然后创建 training 和 testing 数据。
batch = word_batch = speech_data.mfcc_batch_generator(batch_size)X, Y = next(batch)trainX, trainY = X, YtestX, testY = X, Y #overfit for now
4. 建立模型
接下来,用什么模型呢?
speech recognition 是个 many to many 的问题。
eg,speech recognition
eg,image classification
eg,image caption
eg,sentiment analysis
所以我们用 Recurrent NN 。
通常的 RNN ,它的输出结果是受整个网络的影响的。
而 LSTM 比 RNN 好的地方是,它能记住并且控制影响的点。所以这里我们用 LSTM。
每一层到底需要多少个神经元是没有规定的,太少了的话预测效果不好,太多了会 overfitting,这里我们取普遍的 128.
为了减轻过拟合的影响,我们用 dropout,它可以随机地关闭一些神经元,这样网络就被迫选择其他路径,进而生成想对 generalized 模型。
接下来建立一个 fully connected 的层,它可以使前一层的所有节点都连接过来,输出 10 类,因为数字是 0-9,激活函数用 softmax,它可以把数字变换成概率。
最后用个 regression 层来输出唯一的类别,用 adam 优化器来使 cross entropy 损失达到最小。
# Network buildingnet = tflearn.input_data([None, width, height])net = tflearn.lstm(net, 128, dropout=0.8)net = tflearn.fully_connected(net, classes, activation='softmax')net = tflearn.regression(net, optimizer='adam', learning_rate=learning_rate, loss='categorical_crossentropy')
5. 训练模型并预测
然后用 tflearn.DNN 函数来初始化一下模型,接下来就可以训练并预测,最后再保存训练好的模型。
# Training### add this "fix" for tensorflow version errorscol = tf.get_collection(tf.GraphKeys.TRAINABLE_VARIABLES)for x in col: tf.add_to_collection(tf.GraphKeys.VARIABLES, x )model = tflearn.DNN(net, tensorboard_verbose=0)while 1: #training_iters model.fit(trainX, trainY, n_epoch=10, validation_set=(testX, testY), show_metric=True, batch_size=batch_size) _y=model.predict(X)model.save("tflearn.lstm.model")print (_y)print (y)
模型训练需要一段时间,一边碎觉一边等着模型出炉吧。
- 用 TensorFlow 创建自己的 Speech Recognizer
- 用 TensorFlow 创建自己的 Speech Recognizer
- 170615 创建tensorflow自己的nextbacth
- 利用Recognizer编写自己的开机自启动程序
- 利用Recognizer编写自己的开机自启动程序
- 使用TensorFlow创建自己的手写识别引擎
- 深度学习入门:Tensorflow实战Digit Recognizer
- symbian 利用Recognizer编写自己的MDL实现开机自启动程序
- 利用Speech框架创建你的语音应用
- iOS 10:用 Speech 框架创建語音輸入 App
- 用自己的图片数据做tensorflow深度学习
- 用Tensorflow Object Detection API 训练自己的数据集
- TensorFlow下用自己的数据集训练Faster RCNN
- 用Tensorflow处理自己的数据:制作自己的TFRecords数据集
- TensorFlow 制作自己的TFRecord数据集
- 使用Tensorflow训练自己的分割数据
- TensorFlow 制作自己的TFRecord数据集
- tensorflow训练自己的tfreocd文件问题
- n&1判断奇偶
- nodejs+express搭建简单的电影网站之 express安装
- 文件指针详解,SetFilePointerEx设置和查询文件指针
- Toolbar 详解 · Material Design Part 2
- JAVA枚举类
- 用 TensorFlow 创建自己的 Speech Recognizer
- css绝对定位和相对定位的理解
- ppp与pppoe 交叉编译移植
- 论人工智能技术在推荐系统中的应用
- Android API Guide for Media Apps(六)——媒体会话的回调(Media Session Callbacks)
- 大公司高级Android工程师技能要求
- 欢迎使用CSDN-markdown编辑器
- KNN与K-Means的区别
- Windows下PCL及其第三方库的安装编译过程