HowieXue 薛永浩的博客

eIQ™机器学习(ML)软件开发环境支持在恩智浦EdgeVerse™微控制器和微处理器(包括i.MX RT跨界MCU和i.MX系列应用处理器)上使用ML算法。eIQ ML软件包括称为eIQ Toolkit的ML工作流工具以及推理引擎、神经网络编译器和优化库。......

eIQ™机器学习(ML)软件开发环境支持在恩智浦EdgeVerse™微控制器和微处理器(包括i.MX RT跨界MCU和i.MX系列应用处理器)上使用ML算法。eIQ ML软件包括称为eIQ Toolkit的ML工作流工具以及推理引擎、神经网络编译器和优化库。............

语音克隆仅需5秒之：MockingBird实现AI拟MockingBird1. 背景2. 环境搭建2.1 安装pytorch2.2 安装ffmpeg2.3 下载MockingBird源码2.4 安装requirements2.5. 下载预训练模型3. 运行MockingBrid1. 背景继“AI换脸”刷屏之后,这个AI换声技术也开始受到关注AI换声也叫AI拟声，2. 环境搭建建议使用Anaconda，可参加之前博文2.1 安装pytorch这里我直接pip安装的CPU版本pip3 in

Teachable Machine：用浏览器玩转 图像/语音/姿态识别先上图：上手使用：打开网站，新建项目：准备数据Model训练Model运行导出模型对于语音和姿态识别源码：Google Creative Lab 的Teachable Machine 是Google提供的通过浏览器进行Machine Learning体验的项目，不需要编程，简单页面操作即可实现丰富的图像、语音、姿态识别的小项目。通过Creative Lab 小学生都可以实现一个机器学习项目，Teachable Machine来简单

Voice Recognition2021年3月21日语音模型发展：模板匹配（DTW） -> 统计模型（GMM高斯-HMM隐马） -> 深度学习（DNN-HMM，E2E)音频编码：格式PCM的wav格式语音采样率8khz 或16khz6阵列mac 声源定位 有空间指向性，定位后，可有效抑制其他方向的声音干扰（旁边的其他人声音）开源工具：HTK，Kaldi, Espnet（python）音速序列：英语48个音素 20元音 28辅音，汉语32个音素，10个元音离散傅里叶变换（DFT

Yolov5自定义数据训练及测试1. 图像数据获取、标注2. 数据集划分及准备3. 配置训练参数，准备训练：3.1 修改data/训练配置xxx.yaml文件：3.2 修改models模型配置xxx.yaml文件4. 开始训练5. 测试训练后的模型：1. 图像数据获取、标注如果自定义训练自己的数据集，首先需要数据标注，至于数据来源可以是下载现有的开发数据集、拍照、爬虫等等。如果是拍照、爬虫等获取的数据图片，需要进行数据标注，这个过程可以使用工具来做，但也需要一些手动操作 。。并且图片越多越好，如果

Yolov51. 下载Yolov52. 安装Yolov5在下载配置Yolov5前，先要安装好Anaconda环境，可参考之前博文：最新Anaconda3的安装配置及使用教程（详细过程）1. 下载Yolov5首先下载Yolov5源码：Yolov5 Github地址：https://github.com/ultralytics/yolov5直接git clone到本地工作目录，等待下载完成：Yolov5代码目录架构：2. 安装Yolov5源码下完后，下面开始安装Yolov5所需模块，

最新Anaconda3安装使用Anaconda下载方式一：官网下载方式二：清华镜像下载（推荐）Anaconda安装Anaconda是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项Anaconda + Jupyter 基本上已经是大部分机器学习/数据分析等开发者标配的开发环境，不多介绍，直接进去正题：Anaconda下载方式一：官网下载下载地址传送门：官网首页：https://www.anaconda.com/官网下载页：https://www

机器学习之正则化 (Regularization）1.参数正则化1.1 L2 Regularization（Ridge Regression，权重衰减）1.2 L1 Regularization：将噪点相关权重系数设为0（也叫稀疏正则化）1.3 L1/L2对比：2. 经验正则化（早停、丢弃Dropout）为什么要正则化：让模型不要过于依赖样本数据 - 正则化主要思想：降低模型的复杂度 - 正则化主要目的：防止模型过拟合 - 正则化实现思路：最小化损失Loss+ 最小复杂度

Pytorcher福利：TensorboardX安装及使用tensorboard作为Tensorflow中强大的可视化工具：https://github.com/tensorflow/tensorboard，已经被广泛使用但针对Pytorch，之前一直没有这么好的可视化工具可用，好在目前Pytorch也可以支持Tensorboard了，那就是通过使用tensorboardXGithub链接...

使用 CNN 处理不同尺寸的 RGB 图像注意事项：• 调整图片尺寸：在处理不同尺寸的图像时，我们必须将所有图像调整为相同的尺寸，这样才能传入 CNN。• 彩色图像：计算机会将彩色图像解析为三维数组。• RGB 图像：彩色图像由三个颜色通道组成：红、绿和蓝。• 卷积：在处理 RGB 图像时，我们使用各自的卷积过滤器对每个颜色通道执行卷积运算。对每个颜色通道执行卷积运算的过程与灰阶图像一样，...

数据清洗 （Data Cleaning）为什么需要数据清洗？：一颗老鼠屎也会破坏掉一整个大规模数据集怎么进行数据清洗？：缩放特征值(Scaling)即转换数据集的数值范围（标准化数据），缩放是指将浮点特征值从自然范围（例如 100 到 900）转换为标准范围（例如 0 到 1 或 -1 到 +1）。如果特征集包含多个特征，则缩放特征可以带来以下优势：帮助梯度下降法更快速地收敛。帮...

一句话理解机器学习一般训练过程 ：通过有标签样本来调整（学习）并确定所有权重Weights和偏差Bias的理想值。训练的目标：最小化损失函数（损失函数下面马上会介绍）机器学习算法在训练过程中，做的就是：检查多个样本并尝试找出可最大限度地减少损失的模型；目标就是将损失(Loss)最小化在这里插入图片描述上图就是一般模型训练的一般过程（试错过程），其中模型： 将一个或多个特征作为输入，然后返回一个预测 (y’) 作为输出。为了进行简化，不妨考虑一种采用一个特征并返回一个预测的模型，如下公式

Google机器学习视频课程笔记URL:https://developers.google.com/machine-learning/crash-course/ml-intro（需要翻墙）持续整理中。。。机器学习算法一般过程过程可理解为用于训练模型的迭代试错：过程分析：“计算损失”：损失函数：例如常用的平方损失函数。“计算参数更新”：检测损失函数的值，并为参数如bias...