目录目录前言一维梯度检查导入依赖包正向传播反向传播开始检查多维梯度检查向前传播反向传播开始检查参考资料前言反向传播计算梯度∂J∂θ∂J∂θ\frac{\partial J}{\partial \theta}， θθ\theta表示模型的参数。 JJJ是使用正向传播和损失函数来计算的。计算公式如下：∂J∂θ=limε→0J(θ+ε)−J...

目录目录前言模型函数零初始化随机初始化He初始化总结参考资料前言良好的初始化权重有以下的好处：加快梯度下降的收敛速度增加梯度下降收敛到较低训练（和泛化）错误的几率所以一个良好的初始化也是非常重要的，这里尝试三种初始化化方式：零初始化，将权重参数初始化为零。随机初始化，使用随机的方式，初始化权重参数。He初始化，这个公式的初始化方式。...

在语音识别中，模型输出的结果只是单纯的文本结果，并没有根据语法添加标点符号，本教程就是针对这种情况，在语音识别文本中根据语法情况加入标点符号，使得语音识别系统能够输出在标点符号的最终结果。

前言本教程是教程是介绍如何使用Tensorflow实现的MTCNN和MobileFaceNet实现的人脸识别，并不介绍如何训练模型。关于如何训练MTCNN和MobileFaceNet，请阅读这两篇教程 MTCNN-Tensorflow 和 MobileFaceNet_TF ，下面就来介绍如何实现这两个模型实现三种人脸识别，使用路径进行人脸注册和人脸识别，使用摄像头实现人脸注册和人脸识别，通过HTT

Paddle Lite是飞桨基于Paddle Mobile全新升级推出的端侧推理引擎，在多硬件、多平台以及硬件混合调度的支持上更加完备，为包括手机在内的端侧场景的AI应用提供高效轻量的推理能力，有效解决手机算力和内存限制等问题，致力于推动AI应用更广泛的落地。

目录目录数据集介绍生成图像列表读取数据定义神经网络使用PaddlePaddle开始训练导入依赖包初始化Paddle获取参数创建训练器开始训练使用PaddlePaddle预测所有代码项目代码参考资料数据集介绍如果我们要训练自己的数据集的话,就需要先建立图像列表文件,下面的代码是Myreader.py读取图像数据集的一部分,从这些代码中可...

本文将介绍一个准确率非常高的语音识别框架，那就是FunASR，这个框架的模型训练数据超过几万个小时，经过测试，准确率非常高。本文将介绍如何启动WebSocket服务和Android调用这个服务来实时识别，一边说话一边出结果。

前言PaddlePaddle，又名飞桨，前生是百度公司与 2013 年自主研发的深度学习框架，在 2016 年 9 月的百度世界大会上，百度首席科学家吴恩达首次宣布开源 PaddlePaddle 深度学习框架，也是我国首款深度学习开源框架。笔者是2017年开始接触PaddlePaddle的，那是由于开源时间较短，所以能接触到相关资料相当有限，为了更多开发者能够熟悉使用 PaddlePaddle 这

OpenAI在开源了号称其英文语音辨识能力已达到人类水准的Whisper项目，且它亦支持其它98种语言的自动语音辨识。Whisper所提供的自动语音识与翻译任务，它们能将各种语言的语音变成文本，也能将这些文本翻译成英文。本项目主要的目的是为了对Whisper模型使用Lora进行微调，目前开源了好几个模型，具体可以在openai查看，下面列出了常用的几个模型。另外项目最后还对语音识别加速推理，使用了

本章介绍使用Python实现场景的几种排序算法。分别有冒泡算法、快速排序、插入排序、希尔排序、选择排序、堆排序、归并排序、计数排序、桶排序、基数排序。