Data augmentation approaches for improving animal audio classification标题：一种改进动物音频分类的数据增强方法作者： Loris Nanni, Michelangelo Paci链接：https://arxiv.org/abs/1912.07756本文利用卷积神经网络（CNNs）训练中不同的数据增强技术，提出了一组用于动...

http://166.111.134.19:7777/mlbook/2016年7月到8月，王东老师在CSLT组织了一次关于机器学习的内部暑期研讨班。主要目的不是细致 讨论各种具体算法，而是将各种看似高深的方法有机组织起来，告诉学生们每种方法 的基本思路、基本用法及与其它技术的关联，帮助 其走入机器学习的宏伟殿堂。除了王东老师讲以外，还有冯洋、王彩霞、王卯宁 三位老师，分别讲述图模型、核方法和遗..

# 来自B站刘二大人import torchx_data = torch.Tensor([[1.0], [2.0], [3.0]])y_data = torch.Tensor([[2.0], [4.0], [6.0]])class LinearModel(torch.nn.Module):def __init__(self):super(LinearModel, self).__init__()s

参考链接：https://blog.csdn.net/shaguabufadai/article/details/71699372https://blog.csdn.net/qq_40276310/article/details/80329261#commentseditimport sysfeatures = ["", &amp

可以从下面链接下载timit数据集的一部分，总共应该400多兆，这里只有40多兆，只有一部分也可以。我们可以看看格式。这里只有38个说话人，也就是38个文件夹。https://download.csdn.net/download/weixin_41864878/10585377TIMIT全称The DARPA TIMIT Acoustic-Phonetic Continuous Speech ..

1e-10是C/C++规定的浮点数的科学计数写法，意思是1.0x10的-10次方。这个记数法有一些要求，一是e前面整数部分为1位的浮点数，如1.0、3.3、9.999978901等(但不按这个规则写，如123.4E-3编译器也认可)；二时e可以大写也可以小写；三是e后面紧跟带符号的十进制整数，长度最大为3位，正数时可不写+号。所以，1.234E-2、1.234e-02、1.234E-002等其实是

voxceleb2 下载：基本就是参考下面这篇：https://blog.csdn.net/weixin_38858860/article/details/83997952可以在linux或者mac上直接用下面命令下载：（这个是下载的vox2的audio部分，声纹识别用的）用户名和密码需要自己去申请，很容易。剩下的就看网速了。建议用自己家宽带下载。wget http://www.ro...

find . -type d -exec mkdir -p /data/datasets/musan1/{} ;在当前目录下找类型为d的文件（即目录类型），然后执行后面的操作。当前目录是你要copy的文件夹，-p后面接的目的文件夹...

语音识别大神dan-povery介绍kaldi的ppt，虽然时间有点早，但是内容都很基础，kaldi新手入门必看，有讲kaldi中数据的一般格式和语音识别的一般流程。下载地址：here我想重点截两张图，介绍的是kaldi中输入输出的命令行语法，什么是scp和ark有趣的是：whether to read or write,is determined by the program itsel...

Speech Commands: A Dataset for Limited-Vocabulary Speech Recognition论文下载地址论文阅读笔记：The Linguistic Data Consortium (LDC) is an open consortium of universities, libraries, corporations and government r...