zxrttcsdn的博客

点击打开链接

摘要：循环的seq2seq特征预测网络将嵌入式字符向量映射到梅尔刻度声谱图声码器：改良版WaveNet负责合成时域波形使用这个紧凑的声学中间特征可以显著简化WaveNet的结构介绍：Concatenative synthesis with unit selection（单元挑选和拼接式合成技术）把预先录制的语音波形的小片段缝合在一起Statistical para...

 Jensen–Shannon divergence（J-S散度） is a method of measuring the similarity between two probability distributions.It is based on the Kullback–Leibler divergence（K-L散度）, with some notable(and useful)...

batchsize：中文翻译为批大小（批尺寸）。简单点说，批量大小将决定我们一次训练的样本数目。batch_size将影响到模型的优化程度和速度。为什么需要有 Batch_Size :batchsize 的正确选择是为了在内存效率和内存容量之间寻找最佳平衡。 Batch_Size的取值：全批次（蓝色）如果数据集比较小我们就采用全数据集。全数据集确定的方向能够更好地代表样本总体，从而更准确地朝向极值...

在神经网络中，常用到的激活函数有sigmoid函数,双曲正切(hyperbolic tangent)函数f(x) = tanh(x)。今天要说的是另外一种activation function，rectified linear function线性整流函数（Rectified Linear Unit, ReLU）,又称修正线性单元, 是一种人工神经网络中常用的激活函数（activation fun...

https://github.com/fxia22/PixelDTGAN

http://neuralnetworksanddeeplearning.com/

监督学习方法分类：生成方法与判别方法的区别：假如你的任务是识别一个语音属于哪种语言。对面一个人走过来，和你说了一句话，你需要识别出她说的到底是汉语、英语还是法语等。那么你可以有两种方法达到这个目的：1、学习每一种语言，你花了大量精力把汉语、英语和法语等都学会了，我指的学会是你知道什么样的语音对应什么样的语言。然后再有人过来对你哄，你就可以知道他说的是什么语音。2、不去学习每一种语言，你只学习这些语...

require 'torch' require 'nn' require 'optim'   opt = { dataset = 'lsun', -- imagenet / lsun / folder batchSize = 64, loadSize = 96, fineSize = 64, nz = 100, -- # of dim for Z ngf ...

在对GAN进行学习的过程中参考了一些好的文章，在此总结出来自己认为有意义的学习笔记。参考原文：http://blog.youkuaiyun.com/zouxy09/article/details/8195017一  决策函数Y=f(X)输入一个X，它就输出一个Y，Y与一个阈值比较，根据比较结果判定X属于哪个类别。例如两类（w1和w2）分类问题，如果Y大于阈值，X就属于类w1，如果小于阈值就属于类w2。二  条...

在对GAN进行学习的过程中参考了一些好的文章，在此总结出来自己认为有意义的学习笔记。参考原文：http://blog.youkuaiyun.com/zouxy09/article/details/8195017http://blog.youkuaiyun.com/on2way/article/details/72773771Generative Adversarial NetsGAN的鼻祖之作是2014年NIPS一篇文章...

reference：https://www.zhihu.com/question/68247574实际上，bias相当于多了一个参数。在增加网络少量拟合能力的情况下，bias和其它普通权值相比无论前向还是后向，计算上都要简单，因为只需要一次加法。同时，bias与其它权值的区别在于，其对于输出的影响与输入无关，能够使网络的输出进行整体地调整，算是另一维自由度吧。放在二维上，权值相当于直线的斜率，而b...

Reference:https://github.com/soumith/cvpr2015/blob/master/Deep%20Learning%20with%20Torch.ipynbDeep Learning with Torch: the 60-minute blitzGoal of this talkUnderstand torch and the neural networks pac...

Generate speech at the frame level统计参数TTS: 文本前端：提取语言特征 声学特征预测模型 基于信号处理的声音合成器优点： 减轻了复杂的工作 可以应对复杂的条件和多种情况（语者，语种，情感） 相较多阶段模型，鲁棒性更高TTS：解压（文字->声音），输出是连续的，输出序列会比输入序列要长的多Ta...