<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[科大小笨的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/TuZiFaDai</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; TuZiFaDai]]></copyright><item><title><![CDATA[FreeSwitch(十八)：EventSocket]]></title><link>https://blog.youkuaiyun.com/TuZiFaDai/article/details/107354827</link><guid>https://blog.youkuaiyun.com/TuZiFaDai/article/details/107354827</guid><author>TuZiFaDai</author><pubDate>Wed, 15 Jul 2020 14:18:42 +0800</pubDate><description><![CDATA[一、架构

    与Lua之类的嵌人式语言不同,通过 Event Socket方式,可以使用运行在 FREESWITCH外部的程序控制 Freeswitch。它可以通过 Socket方式使用 FREESWITCH提供的所有的APp程序和API命令。

1.1、外连模式

    FREESWITCH是一个B2BUA,当Bob呼叫 Alice时,首先电话会到达 FREESWITCH(通过SIP),建立个单腿的 Channel(a-leg),然后电话进人路由状态, FREESWITCH查找 D...]]></description><category></category></item><item><title><![CDATA[FreeSwitch(十二)：基本功能与实现]]></title><link>https://blog.youkuaiyun.com/TuZiFaDai/article/details/107330836</link><guid>https://blog.youkuaiyun.com/TuZiFaDai/article/details/107330836</guid><author>TuZiFaDai</author><pubDate>Tue, 14 Jul 2020 11:07:11 +0800</pubDate><description><![CDATA[一、mod_info呼叫队列

1.1、呼叫停泊与取回

    一般来说,普通的电话呼叫会使用 bridge App来桥接两条腿。但在电话分配中,一般采用停泊与取回的方式进行电话搭接。顾名思义,停泊跟泊车类似,即在有来话时,先将来话停靠在一个泊位上(一般还会放点音乐),然后通过某种算法找到一个空闲的座席,该座席拨打一个与该泊位相关的号码,就可以将该泊位上的电话取回,双方进行通话。

   fifo是一个“生产者一一消费者”模型,即来话( Caller)相当于生产者( Producer),...]]></description><category></category></item><item><title><![CDATA[FreeSwitch(十一)：基本功能与实现]]></title><link>https://blog.youkuaiyun.com/TuZiFaDai/article/details/107312832</link><guid>https://blog.youkuaiyun.com/TuZiFaDai/article/details/107312832</guid><author>TuZiFaDai</author><pubDate>Mon, 13 Jul 2020 11:22:55 +0800</pubDate><description><![CDATA[一、录音

1.1、单腿录音


originate user/1000 &amp;record(/tmp/welcome. wav)


    上述命令大家已经很熟悉了,我们呼叫1000,1000接听后即可以直接讲话并录音。由于这种录音方式仅涉及一条腿(leg,即一个 Channel),因而称为单腿录音。另外,我们也可以在 Dialplan中录音(与上述命令是等价的)


&lt;extension name=" record"&gt;
&lt;condition field="destinat...]]></description><category></category></item><item><title><![CDATA[FreeSwitch(十)：基本技能]]></title><link>https://blog.youkuaiyun.com/TuZiFaDai/article/details/107226810</link><guid>https://blog.youkuaiyun.com/TuZiFaDai/article/details/107226810</guid><author>TuZiFaDai</author><pubDate>Thu, 09 Jul 2020 14:24:12 +0800</pubDate><description><![CDATA[一、通话设置

1、安装freeswitch，启动控制台，用sofia status命令查看freeswitch监听的IP和本电脑ip。

2、软电话设置freeswitch的ip.口令1234.



3、 FreeSwitch配置文件设置电脑IP。

  &lt;param name="rtp-ip" value="192.168.67.149"/&gt;
  &lt;param name="sip-ip" value="192.168.67.149"/&gt;
  &lt;param na...]]></description><category></category></item><item><title><![CDATA[tensorflow(九)：自定义模型]]></title><link>https://blog.youkuaiyun.com/TuZiFaDai/article/details/107218026</link><guid>https://blog.youkuaiyun.com/TuZiFaDai/article/details/107218026</guid><author>TuZiFaDai</author><pubDate>Thu, 09 Jul 2020 00:04:27 +0800</pubDate><description><![CDATA[一、数据准备





animal：http://www.robots.ox.ac.uk/~vgg/data/pets/（images.tar.gz，~765M）
	flower：http://www.robots.ox.ac.uk/~vgg/data/flowers/（17flowers.tgz，~58.8M）
	plane：http://www.robots.ox.ac.uk/~vgg/data/airplanes_side/airplanes_side.tar（airplanes_side.t...]]></description><category></category></item><item><title><![CDATA[tensorflow(八)：用谷歌训练好的模型进行加载、分类-inception_model]]></title><link>https://blog.youkuaiyun.com/TuZiFaDai/article/details/107216397</link><guid>https://blog.youkuaiyun.com/TuZiFaDai/article/details/107216397</guid><author>TuZiFaDai</author><pubDate>Wed, 08 Jul 2020 22:11:55 +0800</pubDate><description><![CDATA[import tensorflow as tf
import os
import tarfile
import requests
import tensorflow as tf
import os
import numpy as np
import re
from PIL import Image
import matplotlib.pyplot as plt
def download_inception():
    inception_pretrain_model_url = 'http://down.]]></description><category></category></item><item><title><![CDATA[FreeSwitch(九)：SIP模块]]></title><link>https://blog.youkuaiyun.com/TuZiFaDai/article/details/107205490</link><guid>https://blog.youkuaiyun.com/TuZiFaDai/article/details/107205490</guid><author>TuZiFaDai</author><pubDate>Wed, 08 Jul 2020 16:49:11 +0800</pubDate><description><![CDATA[一、基本概念

（1）Sofia-sip：FreeSwitch使用了比较成熟的开源的SIP协议栈。

（2）EndPoint：互联协议接口模块。如SIP、H232.

（3）mod_Sofia：实现了SIP中的注册服务器、重定向服务器、媒体服务器等各种功能。他的定位是一个B2BUA，不能实现代理服务器。

（4）SIP profile：在mod_sofia中，SIPprofile相当于SIPUA，通过不同的配置参数配置一个UA的行为。每个SIP profile可以监听不同的IP地址和端口。

（5）GetW]]></description><category></category></item><item><title><![CDATA[FreeSwitch(八)：媒体]]></title><link>https://blog.youkuaiyun.com/TuZiFaDai/article/details/107180898</link><guid>https://blog.youkuaiyun.com/TuZiFaDai/article/details/107180898</guid><author>TuZiFaDai</author><pubDate>Tue, 07 Jul 2020 14:55:51 +0800</pubDate><description><![CDATA[一、媒体与媒体处理

    使用PCM方式对原始声音信号进行采样量化得到线性编码，然后再进行压缩，这种编码称为PCM编码。

    如果需要在网络上传输语音，则需要将编码后的语音打包。如果采样频率8000HZ，打包间隔20毫秒，那么一秒传输50个包，每个包包含160个采样数据。没个采样数据占一字节，则数据净荷160字节。

    FreeSwitch支持的其他语音编码：



    在freeSwitch中，编码名称格式为“名称@xxh@yyi”，h表示赫兹，i表示...]]></description><category></category></item><item><title><![CDATA[FreeSwitch(七)：SIP协议]]></title><link>https://blog.youkuaiyun.com/TuZiFaDai/article/details/107173428</link><guid>https://blog.youkuaiyun.com/TuZiFaDai/article/details/107173428</guid><author>TuZiFaDai</author><pubDate>Tue, 07 Jul 2020 08:58:06 +0800</pubDate><description><![CDATA[好的
]]></description><category></category></item><item><title><![CDATA[tensorflow(七)：训练模型的保存和加载]]></title><link>https://blog.youkuaiyun.com/TuZiFaDai/article/details/107144274</link><guid>https://blog.youkuaiyun.com/TuZiFaDai/article/details/107144274</guid><author>TuZiFaDai</author><pubDate>Sun, 05 Jul 2020 20:24:38 +0800</pubDate><description><![CDATA[一、训练模型的保存


  模型的保存用到两行代码：

 （1）saver=tf.train.Saver()

 （2）saver.save(sess,'net/my_net.ckpt')



#模型训练和保存
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data

#载入数据集
mnist = input_data.read_data_sets("MNIST_data", one_...]]></description><category></category></item><item><title><![CDATA[tensorflow(六)：RNN实现手写体识别MNIST]]></title><link>https://blog.youkuaiyun.com/TuZiFaDai/article/details/107143245</link><guid>https://blog.youkuaiyun.com/TuZiFaDai/article/details/107143245</guid><author>TuZiFaDai</author><pubDate>Sun, 05 Jul 2020 19:54:05 +0800</pubDate><description><![CDATA[一、RNN结构



　　　这是一个标准的RNN结构图，图中每个箭头代表做一次变换，也就是说箭头连接带有权值。左侧是折叠起来的样子，右侧是展开的样子，左侧中h旁边的箭头代表此结构中的“循环“体现在隐层。
　　　在展开结构中我们可以观察到，在标准的RNN结构中，隐层的神经元之间也是带有权值的。也就是说，随着序列的不断推进，前面的隐层将会影响后面的隐层。图中O代表输出，y代表样本给出的确定值，L代表损失函数，我们可以看到，“损失“也是随着序列的推荐而不断积累的。
　　　除上述特点之外，标准RNN的还有以下特点：]]></description><category></category></item><item><title><![CDATA[tensorflow(五)：CNN实现手写体识别MNIST]]></title><link>https://blog.youkuaiyun.com/TuZiFaDai/article/details/107140104</link><guid>https://blog.youkuaiyun.com/TuZiFaDai/article/details/107140104</guid><author>TuZiFaDai</author><pubDate>Sun, 05 Jul 2020 16:06:49 +0800</pubDate><description><![CDATA[一、卷积神经网络




　　　１）我们从上图可以看到这里有6个特征平面（这里不应该称为卷积核，卷积核是滑动窗口，通过卷积核提取特征的结果叫特征平面），得到的每个特征平面使用的一个5x5的卷积核（这里说明窗口滑动的权值就是卷积核的内容，这里需要注意的是特征平面有6个说明有6个不同的卷积核，因此每个特征平面所使用的权值都是一样的，这样就得到了特征平面。那么特征平面有多少神经元呢？如下图，32x32通过一个5x5的卷积核运算，根据局部连接和平滑，需要每次移动1，因此从左移动到右时是28，因此特征平面是28x..]]></description><category></category></item><item><title><![CDATA[tensorflow(四)：简单神经网络数据可视化，用tensorboard]]></title><link>https://blog.youkuaiyun.com/TuZiFaDai/article/details/107133397</link><guid>https://blog.youkuaiyun.com/TuZiFaDai/article/details/107133397</guid><author>TuZiFaDai</author><pubDate>Sun, 05 Jul 2020 01:34:30 +0800</pubDate><description><![CDATA[一、准备神经网络程序


import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
# 载入数据集
mnist = input_data.read_data_sets("MNIST_data", one_hot=True)
# 每个批次的大小
batch_size = 100
# 计算一共有多少批次
n_batch = mnist.train.num_examples // batch_size
# ]]></description><category></category></item><item><title><![CDATA[tensorflow(三)：简单神经网络实现手写体识别MNIST]]></title><link>https://blog.youkuaiyun.com/TuZiFaDai/article/details/107128620</link><guid>https://blog.youkuaiyun.com/TuZiFaDai/article/details/107128620</guid><author>TuZiFaDai</author><pubDate>Sat, 04 Jul 2020 18:46:42 +0800</pubDate><description><![CDATA[一、代码


import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
# 载入数据集
mnist = input_data.read_data_sets("MNIST_data", one_hot=True)
# 每个批次的大小
batch_size = 100
# 计算一共有多少批次
n_batch = mnist.train.num_examples // batch_size
# 定义两个pl]]></description><category></category></item><item><title><![CDATA[tensorflow(二)：实现回归模型]]></title><link>https://blog.youkuaiyun.com/TuZiFaDai/article/details/107127037</link><guid>https://blog.youkuaiyun.com/TuZiFaDai/article/details/107127037</guid><author>TuZiFaDai</author><pubDate>Sat, 04 Jul 2020 17:12:07 +0800</pubDate><description><![CDATA[一、非线性回归

  这个程序为简单的三层结构组成：输入层、中间层、输出层。

 变量x为N行1列，N 不确定。

 中间层W1行10列，即10个神经元。x与w的成积为N行10列。

 输出为N行10列乘以10行一列等于N行一列。

 


import numpy as np
import matplotlib.pyplot as plt
import tensorflow as tf
 
#使用numpy生成200个随机点
x_data=np.linspace(-0.5,0.5,2...]]></description><category></category></item><item><title><![CDATA[tensorflow(一)：线性回归]]></title><link>https://blog.youkuaiyun.com/TuZiFaDai/article/details/107125907</link><guid>https://blog.youkuaiyun.com/TuZiFaDai/article/details/107125907</guid><author>TuZiFaDai</author><pubDate>Sat, 04 Jul 2020 16:26:18 +0800</pubDate><description><![CDATA[一、jupyter设置python环境

在python的虚拟环境下安装了tensorflow，但是用jupyter notebook的时候发现无法找到tensorflow模块.


(1) conda install nb_conda_kernels

(2)conda install -n env_name ipykernel

(3)python -m ipykernel install --name XXXX


二、线性回归代码


import tensorflow as tf
imp...]]></description><category></category></item><item><title><![CDATA[二、springboot中mybatis项目入门——注解版]]></title><link>https://blog.youkuaiyun.com/TuZiFaDai/article/details/102555465</link><guid>https://blog.youkuaiyun.com/TuZiFaDai/article/details/102555465</guid><author>TuZiFaDai</author><pubDate>Mon, 14 Oct 2019 21:42:57 +0800</pubDate><description><![CDATA[一、Maven依赖


 &lt;dependency&gt;
            &lt;groupId&gt;org.springframework.boot&lt;/groupId&gt;
            &lt;artifactId&gt;spring-boot-starter-jdbc&lt;/artifactId&gt;
        &lt;/dependency&gt...]]></description><category></category></item><item><title><![CDATA[一、springboot中mybatis配置]]></title><link>https://blog.youkuaiyun.com/TuZiFaDai/article/details/102509308</link><guid>https://blog.youkuaiyun.com/TuZiFaDai/article/details/102509308</guid><author>TuZiFaDai</author><pubDate>Fri, 11 Oct 2019 21:18:25 +0800</pubDate><description><![CDATA[一、引入maven


            &lt;dependency&gt;
                &lt;groupId&gt;org.mybatis.spring.boot&lt;/groupId&gt;
                &lt;artifactId&gt;mybatis-spring-boot-starter&lt;/artifactId&gt;
    ...]]></description><category></category></item><item><title><![CDATA[论文中画图工具]]></title><link>https://blog.youkuaiyun.com/TuZiFaDai/article/details/97487945</link><guid>https://blog.youkuaiyun.com/TuZiFaDai/article/details/97487945</guid><author>TuZiFaDai</author><pubDate>Sat, 27 Jul 2019 09:38:24 +0800</pubDate><description><![CDATA[import matplotlib.pyplot as plt
import matplotlib as mpl
import numpy as np


def lineChart6():
    """l验证结果"""
    mpl.rcParams["font.sans-serif"] = ["SimHei"]
    mpl.rcParams["axes.unicode_minus"]...]]></description><category></category></item><item><title><![CDATA[图像识别]]></title><link>https://blog.youkuaiyun.com/TuZiFaDai/article/details/97119149</link><guid>https://blog.youkuaiyun.com/TuZiFaDai/article/details/97119149</guid><author>TuZiFaDai</author><pubDate>Wed, 24 Jul 2019 12:24:44 +0800</pubDate><description><![CDATA[Python图片识别汉字字母数字，tesseract-ocr

2018年03月09日 Python LEO 2607

环境：ubuntu + python2.7

代码：


			#/usr/bin/envpython

			#-*-coding:UTF-8-*-

			

			fromPILimportImage

			import...]]></description><category></category></item></channel></rss>