【项目实战】WaveNet 代码解析 —— ops.py 【更新中】

WaveNet 代码解析 —— ops.py

  简介

       本项目一个基于 WaveNet 生成神经网络体系结构的语音合成项目，它是使用 TensorFlow 实现的(项目地址)。
       
        WaveNet 神经网络体系结构能直接生成原始音频波形，在文本到语音和一般音频生成方面显示了出色的结果(详情请参阅 WaveNet 的详细介绍)。
       
       由于 WaveNet 项目较大，代码较多。为了方便学习与整理，将按照工程文件的结构依次介绍。
       
       本文将介绍项目中的 ops.py 文件：基础操作函数集。
       

  代码解析

    变量解析

       以下变量为 ops.py 脚本的全局变量:

		# optimizer_factory 保存了优化器的三种方案：adam, sgd, rmsporp
		# 分别对应了 tensorflow 中 optimizer 的几种设置方法
		optimizer_factory = {
   
   'adam': create_adam_optimizer,
		                     'sgd': create_sgd_optimizer,
		                     'rmsprop': create_rmsprop_optimizer}

       

    函数解析

      create_adam_optimizer

        下面这段代码的主要任务是：创建 adam 优化器

	# learning_rate : 学习速率
	# epsilon : 数值稳定性的小常数,作为精度
	def create_adam_optimizer(learning_rate, momentum):
	    # 实现 Adam 算法的优化器
	    return tf.train.AdamOptimizer(learning_rate=learning_rate,
	                                  epsilon=1e-4)

       

      create_sgd_optimizer

        下面这段代码的主要任务是：创建 sgd 优化器

	# learning_rate : 学习速率
	# momentum : 动量
	def create_sgd_optimizer(learning_rate, momentum):
	    # 实现动量算法的优化器
	    return tf.train.MomentumOptimizer(learning_rate=learning_rate,
	                                      momentum=momentum)

       

      create_rmsprop_optimizer

        下面这段代码的主要任务是：创建 RMSProp 优化器

	# learning_rate : 学习速率
	# momentum : 动量
	# epsilon : 数值稳定性的小常数,作为精度
	def create_rmsprop_optimizer(learning_rate, momentum):
	    # 实现RMSProp算法的优化器
	    return tf.train.RMSPropOptimizer(learning_rate=learning_rate,
	                                     momentum