- 博客(32)
- 收藏
- 关注
RSS订阅原创 〖ClearVoice 环境声/人声分离教程〗基于 FRCRN_SE_16K / MossFormerGAN_SE_16K 的实战记录
本文记录了在 AI 机器人项目中，用 ClearVoice 的 FRCRN_SE_16K / MossFormerGAN_SE_16K 实现“人声增强 + 环境声残差分离”的完整实战过程。通过先将混合音重采样为 16k 单声道，再用 ClearVoice 做语音增强，得到干净人声，并用 env = mix - speech 计算环境声。FRCRN 作为稳定工程方案，适配 ASR、情绪识别和声纹；残差环境声则送入 YAMNet 做场景识别，为机器人理解“说什么”和“在哪儿”提供了音频前处理基础。
2025-12-05 17:05:11
869
原创 〖FunASR情绪识别教程〗基于 emotion2vec+ large 的本地语音情绪识别实战
摘要：本文介绍了一个基于FunASR的语音情绪识别项目，使用emotion2vec_plus_large模型实现9类情绪分类。系统可处理本地单条wav音频，输出包括愤怒、开心、悲伤等情绪的概率分布及Top-1结果，并自动保存JSON格式的识别结果。文章详细说明了环境配置、依赖安装和核心代码实现，通过AutoModel封装实现从音频输入到情绪分析的完整流程。该项目特别强调语音情绪识别在AI交互中的重要性，为后续集成到机器人系统提供了基础方案。
2025-12-05 14:50:00
740
原创 【阿里云ASR教程】阿里云一句话识别（NLS）实战：带 Token 缓存 + WAV 自动重采样的 Python 脚本
本文介绍了一个完整的阿里云语音识别项目实现方案，主要包括： 使用.env文件管理AK/SK/AppKey等敏感信息 通过TokenManager类实现Token的自动获取和缓存更新 音频预处理功能，自动将WAV文件转换为16kHz单声道PCM格式 调用阿里云NLS SDK进行一句话识别 最终输出识别结果文本 项目结构清晰，包含完整的错误处理和日志记录，支持WAV文件自动重采样和Token自动续期，实现了"一键跑通"的便捷语音识别功能。
2025-12-04 15:21:30
1240
原创 [机器人感知] 基于 YAMNet TFLite + FastAPI 的环境声音识别系统（支持中英双语标签）
该项目构建了基于YAMNet+TFLite+FastAPI的环境声音识别系统，支持521类环境声分类与中英双语标签展示。核心优势在于轻量高效（模型仅4.2MB），适配服务器与嵌入式/机器人设备，通过多帧推理平均概率提升识别鲁棒性，设置0.3置信度阈值保障结果可靠性。系统包含完整部署流程：Conda环境搭建、模型准备、FastAPI后端运行及前端测试页面，支持音频上传识别，返回Top1/Top5结果与元数据，为智能机器人环境感知、IoT安全感知等场景提供了开箱即用的解决方案。
2025-12-02 14:43:36
665
原创 【声音分离】多人语音分离方案：ClearVoice + MossFormer2_SS_16K 实战教程
本文介绍了使用阿里云开源的ClearVoice工具包实现重叠语音分离的方法。该工具采用MossFormer2_SS_16K模型，专门针对单通道多说话人重叠语音场景设计，可将混合音频分离为独立人声文件。文章详细讲解了环境配置、核心代码实现步骤，并展示了分离效果。该方法适用于智能客服、会议纪要等企业应用场景，支持GPU加速处理。文末还推荐了相关企业级对话处理方案，为开发者提供完整的语音处理技术栈参考。
2025-11-28 17:06:44
879
原创 【企业级对话处理】自动估计说话人数 + 声纹聚类 + ASR 转写（FunASR + ModelScope + ClearVoice）
本文介绍了一个企业级语音处理流水线技术，实现多人对话场景的自动转写与说话人分离。该方案通过VAD分句、声纹特征提取、自动估计说话人数、层次聚类和ASR转写等步骤，输出带时间戳和说话人标识的文本。核心功能包括：自动推断说话人数（无需手动指定）、短句合并优化、支持16kHz单声道输入，并整合了FunASR转写和标点功能。技术流程涵盖音频预处理、声纹向量提取、基于轮廓系数的聚类优化，最终生成结构化对话文本。该方案适用于会议记录、客服质检等场景，提供开箱即用的完整解决方案。
2025-11-27 11:41:14
946
原创 [cursor解惑]cursor中codex无法使用，一直转圈圈解决方案
Cursor的Codex插件更新后出现连接问题，原因是新版本默认使用WSL端口运行。解决方案只需三步：1）打开设置；2）搜索"codex"找到WSL相关选项；3）关闭"仅Windows系统适用"的WSL运行功能即可恢复正常。这是因为Windows本机有代理而WSL没有导致转圈问题。修改后需重启VSCode生效，操作简单快捷。（148字）
2025-11-07 12:02:49
1567
4
原创 [INDEX-TTS2]最强语音模型详细部署教程（附国内网络解决方案）
本文提供IndexTTS-2在AutoDL服务器上的详细部署教程，重点解决国内网络下的模型下载问题。通过分步安装依赖、使用国内镜像源加速下载，并详细说明核心模型和辅助模型的手动下载配置方法，确保顺利部署。教程涵盖系统准备、项目解压、Python环境配置、模型下载（含HuggingFace和ModelScope两种方式）以及WebUI启动全流程，特别针对国内网络环境进行了优化处理，帮助用户快速搭建工业级TTS系统。
2025-10-28 17:39:16
4353
原创 【联网搜索】光速实现大模型联网搜索（api方案）
本文介绍了一种为大模型添加联网搜索能力的极简方案，仅需几行核心代码即可实现。方案通过判断问题关键词（如"最新"、"今天"等）决定是否进行网络搜索，利用SerperAPI获取结果并提取关键信息，再将搜索结果作为上下文输入通义千问模型生成回答。开发者只需配置Serper和Qwen两个API密钥即可使用。该方案简洁高效，帮助大模型快速获取实时信息，提升回答准确性。
2025-10-11 10:26:44
1889
原创 [后端快速搭建]基于 Django+DeepSeek API 快速搭建智能问答后端
本文详细介绍了如何通过Django框架集成DeepSeek API搭建智能问答后端服务。内容涵盖环境配置（Conda/PyCharm）、项目模块化设计、路由配置、核心API调用逻辑实现（包含异常处理和健康检查接口）以及功能测试全流程。重点解析了deepseekAsk.py中的视图函数实现，包括请求解析、参数校验、DeepSeek API调用和错误处理机制，并提供了完整的代码示例。该方案适合需要快速构建AI问答功能的开发者参考，可实现与前端（如微信小程序）的高效对接。
2025-08-27 19:33:18
2782
原创 [大模型微调]基于llama_factory用 LoRA 高效微调 Qwen3 医疗大模型:从原理到实现
摘要：本文介绍了如何利用LoRA技术高效微调Qwen3大模型应用于医疗场景。针对医疗知识精准度不足和训练成本高的痛点，文章详细解析了LoRA的核心原理及其优势，并提供了从环境搭建（conda、LLaMA-Factory）、数据模型准备（Qwen3模型和医疗数据集）到LoRA微调可视化操作的全流程指南。最后展示了医疗问答推理代码及效果验证，为医疗大模型落地提供了一套完整的轻量级解决方案，显著降低了微调门槛和资源消耗。（148字）
2025-08-21 19:40:21
1657
原创 大模型云端调用与本地部署？看这一篇就够了！
本文详细介绍了大模型应用开发的两种实践方式：API调用和本地部署。首先讲解DeepSeek API调用流程，包括注册账号、Postman测试和使用Python代码实现。然后介绍Qwen3-0.6B模型的本地部署方法，涵盖模型下载、依赖安装和Python推理代码实现。内容涵盖从API快速验证到私有化部署的完整流程，适合大模型初学者入门实践。文章提供了详细的操作步骤和代码示例，帮助开发者快速掌握大模型应用开发的基本技能。
2025-08-18 11:45:57
1460
原创 简单手写Transformer：原理与代码详解
本文详细介绍了从零开始实现Transformer模型的完整过程。首先阐述了Transformer的核心架构，包括编码器、解码器及其关键组件：自注意力机制、多头注意力、位置编码和前馈网络。随后通过代码演示了数据处理、位置编码、掩码机制等模块的具体实现，并构建了编码器和解码器层。文章还提供了模型训练和预测的完整流程，使用交叉熵损失和SGD优化器进行训练，采用贪婪解码算法生成目标序列。整个过程涵盖了Transformer从理论到实践的完整实现，为理解这一重要的NLP模型提供了清晰的代码示例。
2025-08-07 20:22:08
1225
原创 [yolo11微调项目实战]基于VisDrone-DET的YOLO11 + CBAM + Transformer + ViT + MobileViT + TensorRT 一站式教程（含算力租赁）
本教程将带领大家完成一个基于 VisDrone-DET 数据集的 YOLO11 完整项目实战，涵盖从环境搭建、模型训练、Transformer 集成到最终利用 TensorRT 加速的全流程。考虑到训练对算力的较高要求，还会介绍算力租赁的相关操作，即使是硬件配置有限的同学也能顺利完成项目。
2025-08-06 08:54:01
2962
3
原创 [yolo实战]YOLOv5模型训练：口罩检测模型训练与部署全流程
本文详细介绍了基于YOLOv5框架搭建口罩检测模型的完整流程。首先通过Anaconda创建虚拟环境并配置GPU加速的PyTorch环境。然后对YOLOv5模型进行针对性优化，包括调整锚框尺寸以适配小目标检测。文中提供了完整的训练脚本和推理脚本，包含详细的参数说明和异常处理机制。该方案支持识别"戴口罩"、"错误戴口罩"和"不戴口罩"三种状态，训练过程采用100个epoch，最终模型可实现实时检测。整套代码经过优化，适合初学者学习参考，文末还展示了实际
2025-07-31 11:55:18
2426
原创 【数据标注】详解使用 Labelimg 进行数据标注的 Conda 环境搭建与操作流程
本文介绍了使用Conda为LabelImg创建独立环境的完整流程。首先解释了独立环境能避免依赖冲突的优势，然后详细演示了从检查Conda安装、创建Python3.9环境到安装LabelImg的具体步骤。最后提供了LabelImg的基本使用教程，包括启动方法、标注操作快捷键以及PascalVOC/YOLO格式转换说明。通过这套标准化流程，开发者可以快速搭建稳定的图像标注环境，为计算机视觉项目做好准备。
2025-07-28 20:28:32
1399
原创 【语言模型训练】基于 LSTM 的古诗生成模型：从原理到实现
本项目实现了一个基于LSTM的古诗自动生成模型。通过构建字符级别的映射表，将古诗文本转换为模型可处理的数字形式。模型采用两层LSTM网络结构，能有效捕捉古诗的语言模式和韵律特征。训练过程中使用Adam优化器和学习率调度器优化模型参数。生成阶段通过温度参数控制随机性，采用Top-K采样策略提高生成质量。最终模型能够根据起始词语生成符合古诗风格的诗句，并支持调整生成结果的随机性和长度。项目完整实现了从数据处理、模型训练到古诗生成的全流程，提供了完整的Python源码，可直接运行测试。
2025-07-25 15:52:25
1729
原创 [语言模型训练]基于 PyTorch 的双向 LSTM 文本分类器实现：基于旅店的评论分类语言模型
本文介绍了使用PyTorch实现基于双向LSTM的酒店评论情感分类模型。从数据预处理（中文分词、停用词过滤、文本向量化）到模型构建（双向LSTM+池化层），详细说明了每个步骤的实现方法。模型采用交叉熵损失函数，加入学习率调度和早停机制优化训练过程。代码包含完整的训练、评估和预测流程，自动处理目录创建和数据检查，可直接运行。最终模型能对酒店评论进行正面/负面二分类，测试准确率可达较高水平。文中还提供了数据集格式示例和生成方法，方便读者快速复现实验。
2025-07-24 20:13:05
898
原创 【混淆矩阵】PyTorch 实现 MNIST 模型混淆矩阵生成:从代码到可视化全流程
本文详细介绍了使用PyTorch和MNIST数据集生成混淆矩阵的完整流程。首先定义了一个简化版LeNet网络模型，通过验证集推理获取预测结果和真实标签；然后利用sklearn.metrics计算混淆矩阵，并通过matplotlib进行可视化展示。文章提供了可直接运行的完整代码，包括模型加载、数据预处理、结果收集和可视化等步骤。混淆矩阵能有效识别模型在数字识别中的易混淆类别（如6和9），帮助定位模型弱点并指导优化方向。该方法适用于各类分类任务，为模型性能评估提供了直观可靠的工具。
2025-07-21 19:33:21
934
原创 【计算机视觉模型训练】基于 SE 注意力机制的 GoogleNet模型训练【识别蝴蝶数据集】【6500张图片75分类】
本文提出一种融合SE注意力机制的改进GoogleNet模型，用于蝴蝶种类识别任务。该模型结合GoogleNet的多尺度特征提取能力和SE通道注意力机制，通过SE模块动态学习特征通道权重，增强关键特征抑制噪声。具体实现包括：1)构建SEBlock模块，通过全局平均池化和全连接层学习通道权重；2)将SE机制嵌入Inception模块，形成多分支并行结构；3)采用迁移学习策略初始化模型权重，冻结底层参数提升训练效率。实验结果表明，该模型在蝴蝶分类任务中表现优异，准确率显著提升。文章提供了完整代码实现，涵盖数据加载
2025-07-21 15:42:07
1594
原创 [释放磁盘空间利器]SpaceSniffer 的下载与使用![2025年7月][清理c盘]
SpaceSniffer是一款免费的磁盘空间分析工具，通过可视化界面直观展示文件占用情况（方块大小与占用空间成正比），帮助用户快速定位大文件和文件夹。支持按文件类型、大小筛选，适合磁盘清理和管理。下载步骤：访问官网→点击下载→解压到指定文件夹→运行程序选择磁盘即可查看空间使用情况。操作简单，能有效解决磁盘空间不足问题。
2025-07-17 19:58:43
3669
原创 【模型转换】PyTorch 模型转 ONNX 并部署推理全流程[以数字识别模型为例]
本文介绍了将PyTorch模型转换为ONNX格式的完整流程。以LeNet-5结构的MNIST手写数字识别模型为例，详细说明了模型定义、格式转换和推理验证三个关键步骤。重点讲解了如何使用torch.onnx.export进行模型转换，包括输入示例设置、动态维度配置等注意事项，并演示了通过ONNXRuntime进行推理验证的方法。该转换过程使模型能够在不同深度学习框架和平台间实现互操作，为模型部署提供了便利。文章还提供了完整的Python实现代码和相关环境配置说明。
2025-07-17 16:28:07
1174
原创 [TensorBoard]PyTorch 中 TensorBoard 的全方位使用指南：从入门到实战（附完整 MNIST 代码案例）
本文介绍了TensorBoard可视化工具在PyTorch框架下的应用，通过MNIST数字识别案例演示了其核心功能。主要内容包括：1）通过SummaryWriter记录训练日志；2）使用add_graph可视化模型结构；3）利用add_image展示训练样本；4）通过add_scalars跟踪损失和准确率等指标。文章提供了完整的可运行代码，包含数据预处理、模型训练、验证和测试流程，并自动创建项目目录结构。案例展示了如何利用TensorBoard监控训练过程、分析模型性能，帮助开发者更直观地理解模型行为和数据
2025-07-16 16:26:14
1255
原创 [模型训练]基于 PyTorch 实现 MNIST 手写数字识别（附完整代码与详解）
摘要：本文基于PyTorch框架实现了一个类似LeNet-5的卷积神经网络(CNN)用于MNIST手写数字识别任务。模型采用"卷积层+池化层+全连接层"结构，包含两个卷积块(5x5卷积核)和三个全连接层。训练过程使用Adam优化器和交叉熵损失函数，10轮训练后准确率达98%以上。测试阶段通过预处理(灰度转换、尺寸调整和背景反转)确保输入数据与训练分布一致，并关闭梯度计算加速推理。代码自动下载MNIST数据集并创建目录，包含完整的训练、测试流程和模型保存功能，适合深度学习初学者实践参考。
2025-07-15 17:17:49
1860
1
原创 [模型训练]PyTorch CNN实例训练
本文基于PyTorch框架实现了一个轻量级CNN模型AppleNet，用于青苹果和红苹果的二分类任务。模型采用两层卷积+两层全连接结构，包含数据增强、训练评估全流程。通过ImageFolder加载数据，使用交叉熵损失和Adam优化器进行训练，并实现学习率动态调整。测试结果显示模型能有效区分两类苹果，代码完整展示了从数据处理到模型部署的深度学习流程，适合入门者学习参考。项目涵盖GPU内存优化、模型保存等实用技巧，参数仅约61万，具有轻量化特点。
2025-07-14 17:29:18
611
原创 [深度学习]神经网络权重初始化方法详解：从原理到 PyTorch 实现
本文探讨了深度学习模型训练中的权重初始化方法及其重要性。合适的初始化策略能够加速收敛、提升性能并避免梯度问题。文章介绍了三种主流初始化方法：基础随机初始化（均匀/正态分布）、针对Sigmoid/Tanh的Xavier初始化，以及专为ReLU设计的Kaiming初始化，并提供了PyTorch实现示例。通过对比分析，文中指出应根据网络结构和激活函数类型选择初始化方法：Sigmoid/Tanh适用Xavier，ReLU适用Kaiming。合理的初始化策略是改善模型训练效果和加速收敛的关键步骤。
2025-07-10 18:58:31
1029
2
原创 深度学习利用 PyTorch 导入构建图像数据集
本文介绍了PyTorch处理图像数据的两种方法。第一种是自定义数据集类，通过继承Dataset类实现数据的灵活读取与预处理，适合特殊需求场景，但代码量较大。第二种是使用ImageFolder工具，能快速加载按类别分文件夹存放的图像数据，自动处理标签分配，代码简洁但灵活性有限。两种方法各有优势，开发者可根据实际需求选择合适的数据加载方式。文章通过代码示例详细展示了两种方法的实现过程及其适用场景。
2025-07-09 17:22:29
599
原创 深度学习基于PyTorch 实现线性回归：从手动梯度下降到框架 API
本文介绍了使用PyTorch实现线性回归的两种方法。第一种是手动实现梯度下降优化，包括数据准备、参数初始化、训练循环（前向传播、损失计算、反向传播和参数更新）的完整流程。第二种方法利用PyTorch内置API，通过nn.Linear定义模型、nn.MSELoss计算损失、optim.SGD优化参数，简化了实现过程。两种方案都成功拟合了y=2x+1的线性关系，验证了PyTorch在机器学习基础模型实现中的高效性和灵活性。
2025-07-08 19:06:19
592
原创 Android 智能聊天应用开发：基于讯飞星火 API 的实时对话实现
摘要：本文介绍了一个基于讯飞星火API的Android聊天应用实现方案。该应用具备用户输入、AI流式响应、消息区分展示等核心功能，采用WebSocket进行实时交互。系统架构包含消息数据模型(Message)、适配器(MessageAdapter)、主活动(MainActivity)和API交互类(SparkApiHelper)四大模块。关键技术包括：1)流式响应处理实现打字效果；2)HMAC-SHA256签名确保API安全；3)多层错误处理机制。项目采用RecyclerView展示消息，通过差异化布局区分
2025-07-02 19:37:35
1477
原创 纯干货，无废话CUDA、cuDNN、 PyTorch 环境搭建教程
本文详细介绍了深度学习开发环境的配置步骤。首先通过nvidia-smi命令查看显卡支持的CUDA版本并安装对应版本，然后下载匹配的cuDNN。接着安装Anaconda并创建Python环境，最后安装与CUDA版本兼容的PyTorch（如CUDA 12.9对应cu121）。最终通过运行测试代码验证环境是否配置成功，检查PyTorch版本、CUDA可用性及cuDNN版本是否正确。该指南帮助开发者快速搭建完整的深度学习开发环境。
2025-07-02 09:15:18
815
原创 Python 使用 OpenCV 实现图像水印添加
本文介绍了使用Python和OpenCV实现图像水印添加的方法。通过读取logo和背景图像，先将logo转换为灰度并进行二值化处理，生成黑白两种掩码。然后调整掩码尺寸与背景区域匹配，使用按位与操作分别提取logo的白色部分和背景的黑色区域，最后将两者叠加生成水印效果。该方法可以有效保护图像版权，代码展示了完整的图像处理流程，包括图像读取、灰度转换、阈值处理、掩码操作及结果展示等关键步骤。
2025-06-30 20:10:50
466
原创 Python基于 OpenCV 的视频与图片互转实现
本文介绍了使用OpenCV和Python实现视频与帧图片相互转换的技术。视频转帧功能可设定保存间隔，将视频逐帧或按间隔保存为图片；帧图片转视频则可将图片序列合成为视频。文章提供了详细的核心函数定义和使用示例，包括路径参数设置和间隔帧数控制，完整解析了两种转换的实现方法，为计算机视觉和视频处理领域的基础操作提供了实用解决方案。
2025-06-30 19:23:05
359
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人