第二次实验 声纹识别实验模型:GMM(高斯混合模型)数据集:TIMIT GMM高斯混合模型(Gaussian mixture model)对于说话人识别,一组$N$个说话人集合,用一系列$GMM$ 示,即每个说话人$\mathrm{s}{\mathrm{k}}$ 对应一个$\mathrm{GMM}$ 参数 $\lambda{\mathrm{k}}, \mathrm{k}=1,2, \ldots, Notes > 课程 > 语音信息处理
面向对象分析 面向对象的需求分析建模面向对象分析方法中的需求分析包含两个模型:领域模型和用例模型。 领域模型表示了需求分析阶段“当前系统”逻辑模型的静态结构; 用例模型是“目标系统”的逻辑模型,定义了“目标系统”做什么的需求。由以下四个部分组成: 用例图 用例说明 系统顺序图(system sequence diagram) 操作契约(operation contract) 领域模型领域模型:针对 Notes > 课程 > 大三(上) > 软件工程 #软件工程
编程框架机理 Pytorch的设计原则 要性能更要易用 简介抽象而非隐藏细节 始于python,忠于python Pytorch的计算图机制常见求导方法: 手动求解法 数值求导法 符号求导法 自动求导法 分布式计算机制 不同的分布式计算方法:数据并行:对数据进行分区模型并行:对程序进行分区混合并行:同时对数据和程序进行分区 编译机制 Notes > 课程 > 大三(上) > 智能计算系统 #智能计算系统
A2分析与简答 • A2.1 (5 points) 尝试解释Epoch、Iteration、Batch几个概念及其不同,尝试说明batch_size的选择依据和影响。Epoch代表全部的训练数据在模型中训练的次数Iteration表示在一个Epoch中参数更新的次数Batch表示一次正向和反向传播中的一组数据样本batch_size表示Batch中的数据量。小的batch_size可能会导致训练过程不稳定,但梯度 Notes > 课程 > 大三(上) > 神经网络与深度学习 #深度学习
A6分析与简答 A6.1 (5分) 分析卷积神经网络中用1×1的卷积核的作用。一文读懂卷积神经网络中的1x1卷积核 - 知乎 改变通道数 当卷积核的个数大于或小于输入通道数时,可以改变输出的通道数 增加非线性 1x1卷积核可以在不改变特征维度的情况下添加非线性激活 A6.2 (5分) 计算函数$𝑦 = max(𝑥_1,⋯,𝑥_𝐷)$和函数$𝑦 = argmax(𝑥_1,⋯,𝑥 Notes > 课程 > 大三(上) > 神经网络与深度学习 #深度学习 #神经网络
前馈神经网络 激活函数激活函数:最关键部分 激活函数:连续并可导的非线性函数 激活函数及其导函数要尽可能简单 激活函数的导函数要在一个合适的区间内 Sigmoid型函数:指一类S型曲线函数,为两端饱和函数,包括Logistic函数和Tanh函数 Logistic函数:Logistic 函数可以看成是一个“挤压”函数,把一个实数域的输入“挤压”到 (0, 1) Tanh函数:Tanh函数可以看作放大并平 Notes > 课程 > 大三(上) > 神经网络与深度学习 #神经网络