sslfk的博客

cube-studio 部署过程

import tensorflow as tffrom keras.utils.vis_utils import plot_modelinput = tf.keras.Input(shape=(100,), dtype='int32', name='input')x = tf.keras.layers.Embedding( output_dim=512, input_dim=10000, input_length=100)(input)x = tf.keras.layers.LSTM(3.

标准化，就是执行特征标准化层，第一种方式：通过数据计算出均值和方差：adapt_data = np.array([[0., 7., 4.], [2., 9., 6.], [0., 7., 4.], [2., 9., 6.]], dtype='float32')input_data = np.array([[0., 7., 4.]], dt

论文：https://arxiv.org/pdf/2008.10010.pdf训练源码：https://github.com/Rudrabha/Wav2Lip训练配置：首先必须依赖GPU下载源码，下载专家判别系统：Sign in to your account并将模型放到checkpoints文件目录下第一步：准备视频数据，爬取可以通过硕鼠爬取想要的人物说话风格数据第二步：执行preprocess.py，执行命令如下：python preprocess.py --ngpu 1.