大数据时代，不会一点数据分析总觉得会被时代淘汰。但是，数据分析看起来很难的样子，每个人都能学会吗？就笔者个人观点来看，数据分析要做的深，的确不容易，涉及到许多的工具和模型建设。但仅仅只是简单的应用，其实并不是高不可攀。今天，咱们就用我的个人网站的浏览数据，来做一个简易数据分析。简易数据分析第一步：数据采集上周，笔者重开了自己的个人网站(http://ancientegypt.cn)。这是一个介绍古

简单的定时提醒功能，主要用了sched中的scheduler模块实现。

如图，外部配件：usb即插麦克风*1，迷你直插式小音箱*1第一步 录音用lsusb查看usb麦克是否被识别到。黄色highligt的设备就是刚刚插好的麦克。再使用cat /proc/asound/cards查看树莓派系统是否识别到了这个usb声音设备。接着，在用户目录下编辑文件~/.asoundrc，设置音频输入使用声卡1（也就是usb声卡），输出使用声卡0，即板载声卡...

SpeechRecognition+PocketSphinx实现树莓派中文语音识别

pyttsx3+espeak帮助树莓派实现语音合成功能

终于在树莓派上安装了rasa（见《树莓派智能语音助手之聊天机器人-RASA》https://blog.csdn.net/hydekong/article/details/141285925），接下来就要学习怎么训练模型，逐步实现真正的语音助手。这就是我训练的第一个中文模型。可以看到，根据user输入的“你好”，chatbot最终判断消息意图是greet，于是chatbot会回复“你好呀”。个人理解

树莓派3B安装rasa-1.4.0全过程

sherpa-ncnn是一款跨平台的实时语音识别工具，该项目构建在腾讯的高效神经网络库ncnn之上,但并不依赖PyTorch或其他推理框架,确保了其轻量化和独立性。

树莓派3B安装rasa-1.4.0全过程

终于在树莓派上安装了rasa（见《树莓派智能语音助手之聊天机器人-RASA》https://blog.csdn.net/hydekong/article/details/141285925），接下来就要学习怎么训练模型，逐步实现真正的语音助手。这就是我训练的第一个中文模型。可以看到，根据user输入的“你好”，chatbot最终判断消息意图是greet，于是chatbot会回复“你好呀”。个人理解