wav-reverberate --additive-signals="sox noise.wav -r 16000 -t wav -|" \--start-times='0' --snrs='10.0' \source.wav dest.wav–start-time：添加噪音起始时间–snrs: 信噪比，越大噪音越小参考：MUSAN [论文]...

域自适应的应用场景： 目标域和源域数据不匹配。目标域数据量及标注情况。数据量标注情况方法大量有标注直接训练，不需要做自适应大量无标注域对抗训练（Domain Adversarial Training） 目标域数据更符合源域数据分布少量有标注微调（finetune）源域上训练得M1 -> 目标域上微调得M2。挑战：不要再目标域上overfit。做法：微调前后模型参数不要相差太多；微调少量epo

问题：在grep -F -f data/train/utt.list /CDShare/AISHELL-2/iOS/data/trans.txt > data/train/text时，出错Binary file /CDShare/AISHELL-2/iOS/data/trans.txt matches出现原因：grep认为该文件是二进制文件解决方法：在前面添...

1.问题描述无线和有线经常隔十几秒就断。2.解决历程首先以为是无线问题。因此买了网线，结果还是一样的问题。然后觉得是自己笔记本电脑的问题。使用腾讯电脑管家网络修复工具，在连接无线时，经常显示出IP出错，而且修复不了，提示让我检查路由器或网卡驱动；然后采用windows自带网络修复，报错701，按照如下思路修改后成功解决。（1）首先保证下图中以太网3那个不要随便禁用（即使未识别）（2）我的电脑【右键

Linux下PyTorch、CUDA Toolkit 及显卡驱动版本对应关系（附详细安装步骤）

一、算法简介EM算法： 期望最大化 算法（Expectation-maximization algorithm）。为解决数据缺失情况下参数估计问题。是一种常见的隐变量估计方法，也是一种迭代优化算法。由于模型依赖于未知的隐变量，但是需要估计模型的参数。步骤：E过程（期望计算过程）：根据现有模型，计算各个观测数据输入到模型中的计算结果。M过程（最大化过程）：重新计算模型参数以最大化期望值。二、算法详细

参考：[1] 一张图看懂开源许可协议，开源许可证GPL、BSD、MIT、Mozilla、Apache和LGPL的区别 [博客园]

使用mobaxterm或其他终端，删除.vscode-server文件夹。删除本地known_hosts(位置C:\Users\用户\.ssh)在方法一的基础上进行以下操作。

Linuxpython3.7pip出错ImportError: No module named _internal.cli.mainwget https://bootstrap.pypa.io/get-pip.py--no-check-certificate

Linux下PyTorch、CUDA Toolkit 及显卡驱动版本对应关系（附详细安装步骤）