Python文本转语音神器pyttsx3避坑指南:解决中文合成与跨平台兼容性问题

Ubuntu下pyttsx3实现中文文字转语音的方法 pyttsx3实现中文文字转语音的方法 阅读详情

Python文本转语音神器pyttsx3避坑指南:解决中文合成与跨平台兼容性问题

第一次用pyttsx3把中文文本转换成语音时,我遇到了一个尴尬的场景——系统用标准的英式发音把"你好"读成了"nee how"。这让我意识到,虽然pyttsx3号称支持中文,但要让它在不同平台上稳定输出自然的中文语音,还需要解决不少实际问题。本文将分享我在Windows、macOS和Linux三大平台上调试pyttsx3的经验,特别是那些官方文档没有明确说明的细节。

1. 语音引擎的选择与配置

pyttsx3本身只是一个封装层,真正的语音合成能力取决于系统底层的语音引擎。不同操作系统内置的引擎差异很大,这是导致中文支持问题的根源。

在Windows平台上,pyttsx3默认使用SAPI5引擎。虽然微软从Windows Vista开始就内置了中文语音包,但需要手动确认是否安装:

import pyttsx3
engine = pyttsx3.init()
voices = engine.getProperty('voices')
for voice in voices:
    print(voice.id, voice.languages)

如果输出中没有看到zh-CN相关的语言标识,说明需要安装中文语音包。Windows 10/11用户可以通过以下步骤添加:

  1. 打开"设置"→"时间和语言"→"语言"
  2. 点击"添加语言",搜索并安装"中文(简体,中国)"
  3. 返回语言设置,点击中文的"选项"
  4. 在"语音"部分下载中文语音包

macOS用户情况更复杂一些。pyttsx3默认使用NSSpeechSynthesizer,虽然系统自带中文语音,但质量参差不齐。建议通过终端检查可用语音:

say -v ?

Linux平台通常依赖espeak或festival,中文支持更弱。推荐安装mbrola中文语音:

sudo apt-get install mbrola zh-voice

语音引擎对比表:

平台默认引擎中文支持推荐配置
WindowsSAPI5良好使用Huihui或Kangkang语音
macOSNSSpeechSynthesizer一般使用Ting-Ting或Sin-ji语音
Linuxespeak/festival较差安装mbrola+zh-voice组合

提示:设置语音时建议使用完整的语音ID,而不是简单的索引。例如在Windows上:

engine.setProperty('voice', 'HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\Speech\Voices\Tokens\TTS_MS_ZH-CN_HUIHUI_11.0')

2. 跨平台兼容性解决方案

在不同操作系统上,pyttsx3的初始化方式和可用属性存在微妙差异,这是很多跨平台应用崩溃的根源。以下是经过实战验证的兼容性写法:

import platform
import pyttsx3

class TTSEngine:
    def __init__(self):
        self.engine = pyttsx3.init(driverName=None)  # 自动选择最佳驱动
        
        # 设置跨平台默认参数
        self.engine.setProperty('rate', 150)
        self.engine.setProperty('volume', 0.9)
        
        # 平台特定配置
        system = platform.system()
        if system == 'Windows':
            self._configure_windows()
        elif system == 'Darwin':
            self._configure_mac()
        else:  # Linux
            self._configure_linux()
    
    def _configure_windows(self):
        try:
            # 尝试设置中文语音
            voices = self.engine.getProperty('voices')
            zh_voices = [v for v in voices if 'zh' in v.languages or 'ZH' in v.id]
            if zh_voices:
                self.engine.setProperty('voice', zh_voices[0].id)
        except Exception as e:
            print(f"Windows语音配置失败: {e}")

    def _configure_mac(self):
        try:
            # macOS需要特殊处理语音速率
            self.engine.setProperty('rate', 200)  # macOS默认语速较慢
            voices = self.engine.getProperty('voices')
            zh_voices = [v for v in voices if 'zh_' in v.id or 'zh-' in v.id]
            if zh_voices:
                self.engine.setProperty('voice', zh_voices[0].id)
        except Exception as e:
            print(f"macOS语音配置失败: {e}")

    def _configure_linux(self):
        try:
            # Linux通常需要额外语音包
            self.engine.setProperty('rate', 170)
            # 检查是否安装了中文支持
            voices = self.engine.getProperty('voices')
            zh_voices = [v for v in voices if 'chinese' in v.name.lower()]
            if zh_voices:
                self.engine.setProperty('voice', zh_voices[0].id)
        except Exception as e:
            print(f"Linux语音配置失败: {e}")

常见跨平台问题及解决方案:

  • 初始化失败:在部分Linux发行版上,可能需要先安装依赖:

    sudo apt-get install libespeak1 python3-pyaudio
    
  • 语音不同步:特别是在macOS上,runAndWait()有时会提前返回。解决方法是用队列机制:

    from queue import Queue
    
    class SafeTTS:
        def __init__(self):
            self.queue = Queue()
            self.engine = pyttsx3.init()
            self.engine.startLoop(False)
            
            def onEnd(name, completed):
                self.queue.put(completed)
            
            self.engine.connect('finished-utterance', onEnd)
        
        def say(self, text):
            self.engine.say(text, 'utterance')
            self.engine.iterate()
            return self.queue.get()
    
  • 中文乱码:确保Python文件使用UTF-8编码,并在文件开头添加:

    # -*- coding: utf-8 -*-
    

3. 中文语音合成的特殊处理

即使配置了中文语音引擎,pyttsx3处理中文文本时仍会遇到一些独特问题。以下是提升中文合成质量的实用技巧:

数字和符号的发音优化:

中文里的数字和符号往往需要特殊处理。例如,"2023年"会被读成"二零二三年"更自然。可以创建转换规则:

import re

def preprocess_chinese_text(text):
    # 处理数字
    text = re.sub(r'(\d+)', lambda m: num2words(int(m.group(1)), lang='zh'), text)
    # 处理特殊符号
    symbol_map = {'%': '百分之', '℃': '摄氏度', '¥': '人民币'}
    for sym, pron in symbol_map.items():
        text = text.replace(sym, pron)
    return text

多音字问题:

pyttsx3无法自动识别多音字,需要手动标注拼音。虽然pyttsx3本身不支持SSML,但可以通过插入特殊符号实现简单控制:

def handle_polyphonic(text):
    polyphonic_map = {
        '银行': 'yin hang',
        '行长': 'hang zhang',
        '重装': 'chong zhuang'
    }
    for word, pron in polyphonic_map.items():
        text = text.replace(word, f'{word}({pron})')
    return text

语音参数调优建议:

参数中文推荐值说明
rate120-160中文音节复杂,语速应稍慢
volume0.7-0.9避免最大音量导致破音
voice女声优先大多数中文引擎女声更清晰
pitch0.5-1.0适当提高音调使发音更清晰

注意:不同语音引擎对这些参数的实际响应可能不同,建议通过实测调整。

实战案例:中文语音播报系统

class ChineseTTS:
    def __init__(self):
        self.engine = pyttsx3.init()
        self._configure()
        
    def _configure(self):
        # 寻找中文语音
        voices = self.engine.getProperty('voices')
        zh_voice = next((v for v in voices if 'zh' in getattr(v, 'languages', [])), None)
        
        if zh_voice:
            self.engine.setProperty('voice', zh_voice.id)
            self.engine.setProperty('rate', 140)
            self.engine.setProperty('volume', 0.8)
        else:
            raise RuntimeError("未找到中文语音引擎")
    
    def speak(self, text):
        processed = self._preprocess(text)
        self.engine.say(processed)
        self.engine.runAndWait()
    
    def _preprocess(self, text):
        # 预处理文本
        text = handle_polyphonic(text)
        text = preprocess_chinese_text(text)
        return text
        
    def save_to_file(self, text, filename):
        # 保存为音频文件
        self.engine.save_to_file(text, filename)
        self.engine.runAndWait()

4. 性能优化与高级技巧

当处理大量文本或需要实时响应时,pyttsx3的性能问题就会显现。以下是提升效率的几种方法:

异步语音处理:

避免阻塞主线程,可以使用Python的threading模块:

import threading

class AsyncTTS:
    def __init__(self):
        self.engine = pyttsx3.init()
        self.lock = threading.Lock()
        self.stop_flag = False
    
    def say(self, text):
        def _speak():
            with self.lock:
                if not self.stop_flag:
                    self.engine.say(text)
                    self.engine.runAndWait()
        
        thread = threading.Thread(target=_speak)
        thread.start()
        return thread
    
    def stop(self):
        with self.lock:
            self.stop_flag = True
            self.engine.stop()

语音缓存机制:

对于重复使用的语音内容,可以预先合成并缓存:

from hashlib import md5
import os
import pickle

class CachedTTS:
    CACHE_DIR = 'tts_cache'
    
    def __init__(self):
        self.engine = pyttsx3.init()
        os.makedirs(self.CACHE_DIR, exist_ok=True)
    
    def speak(self, text):
        key = md5(text.encode('utf-8')).hexdigest()
        cache_file = os.path.join(self.CACHE_DIR, f'{key}.wav')
        
        if not os.path.exists(cache_file):
            self.engine.save_to_file(text, cache_file)
            self.engine.runAndWait()
        
        # 使用系统命令播放音频
        if os.name == 'nt':  # Windows
            import winsound
            winsound.PlaySound(cache_file, winsound.SND_FILENAME)
        else:  # macOS/Linux
            import subprocess
            subprocess.run(['afplay' if sys.platform == 'darwin' else 'aplay', cache_file])

批量处理长文本:

对于很长的文本,直接合成会导致内存占用过高。应该分段处理:

def speak_long_text(text, max_length=500):
    import textwrap
    engine = pyttsx3.init()
    
    # 按标点分段
    sentences = re.split(r'(?<=[。!?])', text)
    current_batch = ""
    
    for sentence in sentences:
        if len(current_batch) + len(sentence) <= max_length:
            current_batch += sentence
        else:
            engine.say(current_batch)
            engine.runAndWait()
            current_batch = sentence
    
    if current_batch:
        engine.say(current_batch)
        engine.runAndWait()

性能对比数据:

方法100字耗时内存占用适用场景
直接合成1.2s低短文本即时响应
异步处理0.3s中需要UI保持响应
缓存机制0.1s*高重复内容
批量处理2.5s低超长文本

*首次合成后。缓存机制首次执行时间与直接合成相当

调试技巧:

当pyttsx3出现奇怪行为时,可以启用调试输出:

import logging
logging.basicConfig()
logger = logging.getLogger('pyttsx3')
logger.setLevel(logging.DEBUG)

在Linux上如果遇到音频设备问题,可以尝试设置环境变量:

export PULSE_SERVER=localhost
liunx下pyttsx3 + espeak + mbrola(中文cn1)整合实录 加载pytsx3的过程就不再赘述了,上篇文章有所记录,下面直接对espeak的安装,mbrola这个语音包如何安装到centos上,如何把mb的中文语音(cn1)引入espeak上并使用进行一下介绍,希望能帮助到要使用和学习的人。经过两天对mbrola的实际使用,对之前调用“文心一言”语言模型进行了深一步的后续开发,将文字转成语音(tts)。首先介绍下环境,liunx系统用的centos7(low了,当初买ubuntu好了),python3。安装mbrola、cn1语音包、mb-cn1文件。 阅读详情

相关推荐

Windows上搭建免费TTS配音:edge-tts与pyttsx3实战指南

文字转语音(TTS)技术是内容创作与辅助朗读的核心支撑,从短视频配音到有声书制作,自然流畅的语音合成能极大提升生产效率。现代TTS借用神经网络建模语音频谱和韵律,使机器发音接近真人。然而,Windows用户常见“永久免费”“不限字数”的宣传背后,往往隐藏格式捆绑、后期收费或语音生硬等风险。与其依赖不可控的配音工具,不如通过Python生态中的edge-tts和pyttsx3构建一套免费、可扩展、完全自主的文字转语音链路:edge-tts利用微软在线服务生成高自然度mp3,pyttsx3则基于系统引擎实现离线

weixin_31423955的博客 244

使用pyttsx3库来实现文字转语音(TTS)_中文没有声音问题的解决方法

完成以上步骤后,你的系统就会安装并启用中文语音包。5、选择中文语言包:在弹出的语言列表中,找到中文语言(简体中文或繁体中文),选中后点击“下一步”继续。3、进入语言设置:在“时钟和区域”设置页面中,找到“区域”选项,然后点击进入“区域”设置页面。4、添加语言:在“区域”设置页面中,找到“语言”选项,然后点击“添加一个语言”来添加新的语言。1、打开控制面板:在 Windows 搜索栏中输入“控制面板”,然后打开控制面板。2、选择“时钟和区域”:在控制面板中,找到并选择“时钟和区域”选项。

qq_43575435的博客 2942

树莓派变身AI语音助手:Ollama本地大模型与语音合成实战

本文详细介绍了如何将树莓派变身为AI语音助手,通过Ollama部署本地大模型并结合语音合成技术,实现完全离线的智能语音功能。文章涵盖了Ollama的安装与模型选择、Python API集成、语音合成系统搭建以及性能优化技巧,帮助开发者快速掌握树莓派本地化AI语音助手的实现方法。

weixin_28256233的博客 297

Python实现中文字转中文语音

我们本文中采用的开发平台是Visual Studio 2022,采用其他平台的开发工具也是可以的。6.这样我们就得到了一个.wav格式的中文语音格式文件。需要注意的是代码顶部需要添加中文编码格式标识,否则。1.首先我们先新建一个Python应用程序。2.我在这里选择管理Python程序包。3.添加pyttsx3程序包。5.然后我直接运行程序即可。4. 然后详细代码如下所示。

山河明月 970

5 个超有用但你大概率没听过的 Python 库(别装你全用过)

pyttsx3→ 让 Python 有嘴巴,讲人话。pynput→ 操控键鼠,偷天换日。termgraph→ 终端小图表,拒绝土味打印。→ 进度条卷王,装逼必备。Faker→ 假数据工厂,一秒填满表单。你都看到这儿了,聪明的你一定已经意识到——这些工具,不一定天天用,但关键时刻,能救你狗命。写工具脚本、调试、展示效果,统统拿下。pyttsx3 是 Python 的嘴,Faker 是它的胡说八道。有问题戳我评论区,花姐永不掉线。

奔跑的蜗牛 1537

python之pyttsx3实现文字转语音播报

pyttsx3是Python中的文本到语音转换库,可以实现文本的朗读功能。

l8947943的博客 5235

解决pyttsx3不读中文的问题

首先我们需要知道我们自己的系统里自带什么语音包,然后才能从这些自带的语音包里选出一个来用: # 这段代码会把系统里的可用语音包的信息print出来 import pyttsx3 engine = pyttsx3.init() voices = engine.getProperty('voices') for voice in voices: print("Voice:") print(" - ID: %s" % voice.id) print(" - Name: %s" %

rain_365tian的博客 7813

【PYTHON】使用pyttsx3库实现中文语音的合成 | 中文 | 语音合成TTS

【PYTHON】使用pyttsx3库实现中文语音的合成 | 中文 | 语音合成TTS

静谧、淡雅 1738

Python3 pyttsx3 文字播放

pyttsx3 语音库使用方法1.安装2. 使用方法1.播放2.中文播放,直接输入中文即可3.改变语速4.改变音量3.官方文档 1.安装 pip install pyttsx3 2. 使用方法 1.播放 #载入模块 import pyttsx3 #模块初始化 engine = pyttsx3.init() engine.say('Hello') #运行,此语句不可少 engine.runAndWait() 2.中文播放,直接输入中文即可 #载入模块 import pyttsx3 #模块初始化 e

xiaoyuanjianghu的博客 3296

pyttsx3实现中文文字转语音的方法

今天小编就为大家分享一篇pyttsx3实现中文文字转语音的方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧

EndNote全文检索实战:如何快速配置学校图书馆资源并精准查找文献

本文详细介绍了EndNote全文检索功能的实战配置方法,核心在于通过正确设置OpenURL链接解析器,无缝对接学校图书馆资源,实现一键精准获取文献全文。文章提供了从理解机制、四步配置法到进阶技巧的完整指南,帮助科研人员高效管理海量PDF,构建个人知识体系,大幅提升文献调研与写作效率。

weixin_29228781的博客 281

python3 语音合成 pyttsx3 介绍 windows, 树莓派

pyttsx3使用介绍win10下使用pyttsx3pyttsx3安装语音合成测试中文语音的问题功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 win10下使用pyttsx3 pyttsx3安装 pip3 install pytt

qq_27104889的博客 4344

STM32F4驱动海康工业相机实战:从PWM信号到精准触发拍照(附完整代码)

本文详细介绍了如何使用STM32F4开发板驱动海康工业相机,实现PWM信号精准触发拍照的完整方案。从硬件连接到PWM信号生成,再到相机触发配置与延迟补偿,提供了实战经验和完整代码,帮助开发者解决工业相机硬件触发中的关键问题。

weixin_33716941的博客 699

使用`pyttsx3`将文本生成中文语音,并保存为WAV文件

要使用pyttsx3库将文本生成中文语音,你需要确保系统上安装了支持中文语音的语音引擎。通常情况下,pyttsx3默认使用系统的语音引擎,因此你需要确保系统上安装了中文语音包。

find_element_by_id的博客 587

WD西部数据2TB,2.5寸移动硬盘,因为磁头坏了,长时间通电导致划片划伤,维修过程通过反复更换磁头

WD西部数据2TB,2.5寸移动硬盘,因为磁头坏了,长时间通电导致划片划伤,维修过程通过反复更换磁头,才能利用专业设备,里面找到,镜像,把内容数据恢复出来。 1.说一下经历,借用的别人移动硬盘,去帮别人维修,拷数据出来,别人的文件,数据比较多,且复杂,而且是在PE系统,接口什么的是2.0,没有很好的思考就全选复制拷贝了; 2,拷贝的过程,极其慢,文件多,且文件有损坏,移动硬盘一直处于通电的状态,大概从下午,两点多开始100多G的数据,一直卡住,到,晚上7 。8点拷完还是没拷完。打开的时候就已经,就一直

weixin_43766920的博客 4306

GEE必须会教程——一文教会你研究区域分块计算与合并

一整块算不是挺好的吗?emmmm,用过的人都知道,GEE好比幼年期的“紫妍”,要用“丹药”来养的,除非你是萧炎小友,到哪都有人给爆金币。我们今天想做的是计算2020年夏季西藏自治区的植被覆盖度(FVC),FVC的估算需要使用归一化植被指数(NDVI数据),这里我们用到的产品是MODIS的相关数据产品,该产品的分辨率是25 0m。下载好的结果毕竟是一块一块的,怎么对下载好的结果进行拼接,变成一张大图呢,别急,接下来,我们上科研小霸王——R语言。此处,我们通过省份数据,按照属性筛选,得到西藏自治区的行政边界。

Promising_GEO的博客 2514

文字转语音(Python pyttsx3)

pyttsx3入口 import sys import pyttsx3 engine = pyttsx3.init() engine.setProperty('rate', 120) engine.setProperty('volume', 0.9) engine.setProperty('voice', "3") while True: str = input("请输入内容:") if len(str)==None: continue else:

James_bobo的博客 680

Python爬虫技术:使用Playwright和Twitter API v2高效获取Twitter/X数据完全教程

遵守规则:始终遵循Twitter的使用条款和速率限制错误处理:实现完善的错误处理和重试机制数据质量:进行数据清洗和验证性能优化:使用异步处理和合理的延迟设置可维护性:模块化代码,便于维护和扩展。

2201_76125261的博客 671

pyttsx3 朗读中文不准确,似乎是乱码的解决方案

升级到 pyttsx3 2.9.0就好了。原来的2.7.1的有问题

ewwerpm的专栏 1317

(王道计算机组成原理)第二章数据的表示和运算-第三节:运算方法和运算电路 1(基本运算部件)

本文主要介绍了计算机组成原理中的加法器和算术逻辑单元(ALU)的基本概念与实现原理。首先,文章详细讲解了一位全加器的工作原理,包括其输入输出、逻辑表达式及真值表。接着,介绍了并行加法器的两种类型:串行进位和并行进位的加法器,分析了它们的优缺点。随后,文章探讨了带标志位的加法器,说明了如何通过标志位生成逻辑来判断加法结果的状态。最后,文章阐述了ALU的功能及其实现原理,包括ALU的基本结构、控制信号的作用以及在实际考试中的图示表示。通过这些内容,读者可以全面了解加法器和ALU在计算机中的重要作用及其工作原理。

快乐江湖的博客 3838

机器人控制基础:伺服驱动电机 PID 参数自适应控制的实现方法及研究

伺服电机PID参数自适应控制技术研究 摘要:针对伺服驱动电机在动态负载工况下传统PID控制性能下降的问题,本文研究了多种自适应控制方法。通过分析6种主流技术(包括模型参考自适应、模糊逻辑、神经网络等)的原理、实现步骤及适用场景,揭示了负载感知精度、参数调节实时性和系统稳定性三大技术难点,并提出了相应解决方案。以模糊自适应PID为例的实验验证表明,该技术能有效提升伺服系统在变负载条件下的控制性能。研究为工业应用中伺服电机的精确控制提供了重要参考。

start_up_go的博客 829

利用 Python pyttsx3实现文字转语音(TTS)

又或者,如果你有爬取体育数据、股市信息的自动化系统,可以整合 pyttsx3,让系统具备语音提醒的功能,变成一个带有语音服务的自动化工具。但是,如果你的需求是比较轻量级的,例如只是想为自己打造一个小工具,或者开发一个不需要大规模部署的小型服务,那么使用 Python 的 pyttsx3 套件就会是一个非常方便且免费的选择。将重复性的工作自动化,真的可以大幅提高你的工作效率,节省很多宝贵的时间。比如说,我目前用的是 Apple 的 macOS 系统,所以在列表中看到的语音 ID 会是 apple 开头的。

不太专注于VPS技术 2154

嵌入式开发环境Vscode开发STM32单片机程序

STM32单片机非常强大,大多数教程都是使用 keil 编译器,keil 是收费的而 gcc 是开源免费的。这里介绍一些使用 gcc +开发单片机程序的经验。(这里不解释 gcc 是什么)。

嵌入式技术开发 1845

pyttsx3 中文朗读问题

我的问题发生在TX2上,不能朗读中文 在初始化engine后加一句 engin.setproperty(’vioce’,‘zh)

f9547064141的博客 1823

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

ubuntu下pyttsx3代码

【代码】ubuntu下pyttsx3代码。

Wickedstepmother的博客 1182

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain&#39;s apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath(&#39;DeepLearnToolbox&#39;));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand(&#39;state&#39;,0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W&#39;); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand(&#39;state&#39;,0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = &#39;sigm&#39;;%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, &#39;Too big error&#39;);```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand(&#39;state&#39;,0)sae = saesetup([784 100]);sae.ae{1}.activation_function = &#39;sigm&#39;;sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)&#39;)% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;;nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, &#39;Too big error&#39;);```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x&#39;,28,28,60000))/255;test_x = double(reshape(test_x&#39;,28,28,10000))/255;train_y = double(train_y&#39;);test_y = double(test_y&#39;);%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you&#39;ll get around 1.2% errorrand(&#39;state&#39;,0)cnn.layers = { struct(&#39;type&#39;, &#39;i&#39;) %input layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 6, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 2) %sub sampling layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 12, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, &#39;Too big error&#39;);```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, &#39;Too big error&#39;);%% ex2 neural net with L2 weight decayrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex3 neural net with dropoutrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex4 neural net with sigmoid activation functionrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex5 plotting functionalityrand(&#39;state&#39;,0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = &#39;softmax&#39;; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand(&#39;state&#39;,0)nn = nnsetup([784 20 10]); nn.output = &#39;softmax&#39;; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

上一篇: 3060笔记本+Ubuntu 24.04.1:手把手教你本地部署MinerU文档转换工具(含模型下载避坑指南)
下一篇: 泰尔指数分解全解析:如何用Stata测算苏南、苏中、苏北经济差异?
梦想总是可以实现的
博客等级 码龄6年 105粉丝 1480原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值