wangleiai / dvectorspeakerrecognition Goto Github PK

您好，我对您的程序kersaSoftmax/dnnTrain.py采用aishell数据集进行了训练，但是发现200个batch之后训练集上的识别率还为6%左右，分析了一边代码也不知道是哪里出了问题。。。请问有什么改正措施吗？

你好

想請問原本的論文所使用的帧拓展

做完framing和mel filter之後 （假設為300個frame, 40 mel）

1. 取中間值第150個frame的前40和後10個frame，共51個frame當作輸入
2. 從第41個fame後，取每個frame的前40和後10個frame當作輸入

以上2點並在最後攤平整合成一個[1, *]的輸入

請問是哪一個，謝謝

1. getTestBW里面使用的是wavPath和wavLabel做validation

请问 声学特征的输入 是一帧一帧放入，还是展成一维 放入？
还有就是 您的代码中输入层7774为什么这样定义？是最长一段语音 维度*帧长的结果吗？，其余的补零

dnnTran  51行

if x.shape!=(batchSize, x.shape[1], x.shape[2]):
IndexError: tuple index out of range