xmdxcsj的专栏

kaldi的矩阵运算是对BLAS和BAPACK进行的封装，封装后的类列表（可以查看每一个类型的详细定义）参考：http://kaldi.sourceforge.net/group__matrix__group.html一、分类（一）、matrix和vectorMatrix矩阵，Vector向量，父类分别是MatrixBase和VectorBase1.初始化Vector v(

生成nnet.proto utils/nnet/make_cnn_proto.py假设输入26维的fbank，feat_raw_dim=26，splice_num=8，delta_order=0： num_filters1=128 num_filters2=256 pool_size=3 pool_step=3 pool_type=MAX num_splice=8 patch_s

支持提取mfcc/plp特征，和HTK特征的主要差别在于默认参数值的设定。使用选项-htk-compat=true以及合适的参数，可以得到htk特征。全局CMVNcompute-cmvn-stats假设帧数为i，特征维度为j，cmvn计算得到两个矩阵： (A1,A2,...,Aj,Aj+1)(A_1, A_2,...,A_j,A_{j+1}) (B1,B2,...,Bj)(B_1, B_2,..

主要两个文件夹data/train和data/langtrain需要手动创建三个文件 - utt2spk - text - wav.scp以上文件需要提前按照C++方式排序export LC_ALL=C然后可以调用steps下的脚本抽特征steps/make_mfcc.sh --nj 20 --cmd "$train_cmd" data/train exp/make_mfcc/train $m

NFS详细介绍参考《鸟哥的LINUX私房菜-服务器架设篇》第十三章 主要流程server端配置安装两个软件：rpcbind和nfs-utils配置/etc/exports<DIR> *(rw,no_root_squash)启动nfs/etc/init.d/rpcbind start/etc/init.d/nfs start/etc/init.d/nfslock startchkco

概况queue.ql: gridengine 多机运行 run.ql: 本地多进程，忽略除了JOB以外的其他参数queue.pl test.log echo foo \| awk 's/f/F/';基本格式queue.pl <options> <log-file> <command>其中command对于”|>;”这些shell会解析的符号需要做转义 queue.pl传入参数到qsub参数的对

训练流程make_denlats.sh 产生1gram语言模型对应的解码网络nnet-latgen-faster产生denominator lattice，作为smbr训练的分母，充当竞争路径的作用align.sh 根据标注的reference作为G构建WFST解码获得最优路径，产生每一帧对齐的最好结果numerator alignment，作为smbr训练的分子，充当标准路径的作用g

概况两种lattice结构Lattice结构FST的形式，weight包括两部分（graph cost和acoustic cost），输入是transition-ids，输出是words。 其中weight的graph cost包含LM+transition+pronunciation三部分。CompactLattice结构和lattice相似，区别在于它是接收机，输入和输出一样（都是words）

overview type author CPU/GPU feature nnet1 Karel GPU单卡训练 使用pre-training，使用early stopping nnet2 Dan 支持多GPU训练，以及多CPU多线程 使用固定epoch个数，最后几个epoch参数平均 nnet3 Dan 是nnet2的扩展 支持更多的网

扩展文件名使用扩展的文件名来表示输入输出： - rxfilename表示读取的数据流，比如file/stream/standard input - wxfilename表示输出的数据流1.rxfilename 类型包括 - “-” or “” 表示标准输入 - “command |” 命令通过管道作为输入，解析的时候去掉”|”，将剩下的command通过popen()交由shell处理

一、编译相关1.libcublas.so.7.5: cannot open shared object file: No such file or directory原因：使用的kaldi是从GPU机器上面复制来解决：需要将kaldi在CPU机器上面重新进行编译2.GPU编译过的kaldi在CPU上面编译报错路径不对cd toolsrm -rf openfest

如果想要将矩阵运算放到GPU上面跑的话，需要使用CuMatrix和CuVector，以替换CPU版的Matrix和Vector类。因为CuMatrix类使用的是GPU的存储空间，所以不能将CuMatrix和Matrix混合使用。kaldi也会判断某个运算需要使用GPU或者CPU，需要人为编程指定。1.kaldi编译默认的，如果系统路径中包含nvcc，那么编译选项HAVE_CUDA=1，Ma

一、计算库的介绍：1.BLAS(basic linear algebra subroutines)参考https://zh.wikipedia.org/wiki/BLAS基本的矩阵向量基本运算的API标准，具体实现有：“reference BLAS”、“ATLAS”2.LAPACK(linear algebra package)参考https://zh.wikipedia.or

将kaldi中的kws部分的脚本跑通，并且把所有的二进制命令使用一个脚本串联起来。#########################################files dir#######################################dataset_id=newskeyword_id=news#input pcm datapcm_dir=pcm/$data

CNN nnet/nnet-convolutional-component.h假设CNN相关参数如下###输入相关参数num_splice=3 #语音数据的左右context，此处左右一帧path_stride=5 #一帧