小编mol*_*ilo的帖子

我在使用声音的自定义文件路径在librosa中创建梅尔频谱图时遇到问题。

我正在遵循此文档：https : //librosa.github.io/librosa/generated/librosa.feature.melspectrogram.html

我看过这个堆栈溢出文章： 使用Librosa生成的频谱图看起来与Kaldi不一致？

但是，这些都没有帮助我解决问题。

import librosa
y, sr = librosa.load("path_to_my_wav_file")
librosa.feature.melspectrogram(y=y, sr=sr)
import matplotlib.pyplot as plt
plt.figure(figsize=(10, 4))
librosa.display.specshow(librosa.power_to_db(y,                                              
ref=np.max), y_axis='mel', fmax=8000, x_axis='time')
plt.colorbar(format='%+2.0f dB')
plt.title('Mel spectrogram')
plt.tight_layout()

有人可以告诉我如何修复此代码，以使其正确显示并将mel-spectrogram保存为jpg文件吗？谢谢！

通过运行安装驱动器后，我正在使用 Google Colaboratory IPython 进行样式转换：

from google.colab import drive
drive.mount('/drive')

它已挂载，所以我尝试 cd 进入一个目录，显示密码和 ls 但它没有显示正确的密码

!cd "/content/drive/My Drive/"
!pwd
!ls

但它不会 cd 到给定的目录中，它只会 cd 到 'content/'

同样，当我尝试在我的代码中使用“load_image() 函数访问一些图像时，如下所示

def load_image(img_path, max_size=400, Shape=None):
    image = Image.open(img_path).convert('RGB')
    if max(image.size) > max_size:
        size = max_size
    else:
        size = max(image.size)

    if shape is not None:
        size = shape

    in_transform = transforms.Compose([transforms.Resize(size),
                    transforms.ToTensor(),
                    transforms.Normalize((0.485, 0.456, 0.406), 
                                         (0.229, 0.224, 0.225))])

    image = in_transform(image)[:3,:,:].unsqueeze(0)

    return image
#load image content
content = load_image('content/drive/My Drive/uche.jpg')
style = load_image('content/drive/My Drive/uche.jpg') …

因此，我已尽一切可能来解决这个错误，这也是我巨大的挫败感。

from sklearn.linear_model import SGDClassifier

train_labels_9 = [(label == 9) for label in train_labels_9]
test_labels_9 = [(label == 9) for label in test_labels_9]

sgd = SGDClassifier(max_iter = 1000, tol = 1e-3)
sgd.fit(train_images,train_labels_9)

below is the error
ValueError                                Traceback (most recent call last)
<ipython-input-57-8ad0fdf39a29> in <module>
      6 
      7 sgd = SGDClassifier(max_iter = 1000, tol = 1e-3)
----> 8 sgd.fit(train_images,train_labels_9)

~\Anaconda3\lib\site-packages\sklearn\linear_model\stochastic_gradient.py in fit(self, X, y, coef_init, intercept_init, sample_weight)
    741                          loss=self.loss, learning_rate=self.learning_rate,
    742                          coef_init=coef_init, intercept_init=intercept_init,
--> 743                          sample_weight=sample_weight)
    744 
    745 

~\Anaconda3\lib\site-packages\sklearn\linear_model\stochastic_gradient.py in _fit(self, …

因此，我对 ML 很陌生，并尝试创建一个简单的“库”，以便我可以了解有关神经网络的更多信息。

我的问题：根据我的理解，我必须根据每层的激活函数求导数，这样我就可以计算它们的增量并调整它们的权重等......

对于 ReLU、sigmoid、tanh，用 Java 实现它们非常简单（顺便说一句，这是我使用的语言）

但要从输出到输入，我必须从（显然）具有 softmax 激活函数的输出开始。

那么我是否也必须采用输出层的导数，或者它只适用于所有其他层？

如果我确实必须获得导数，我怎样才能在Java中实现导数呢？谢谢。

我已经阅读了很多关于 Softmax 算法导数的解释的页面，但它们对我来说真的很复杂，正如我所说，我刚刚开始学习 ML，我不想使用现成的库，所以在这里我是。

这是我存储激活函数的类。

public class ActivationFunction {

    public static double tanh(double val) {
        return Math.tanh(val);
    }

    public static double sigmoid(double val) {
        return 1 / 1 + Math.exp(-val);
    }

    public static double relu(double val) {
        return Math.max(val, 0);
    }

    public static double leaky_relu(double val) {
        double result = 0;
        if (val > 0) result = val;
        else result = val * 0.01;
        return result;
    } …

我是深度学习的新手，我使用下面的代码创建了一个模型来预测植物病害

class CNN_Model(nn.Module):
  def __init__(self):
    super(CNN_Model, self).__init__()
    self.cnn_model = nn.Sequential(
        nn.Conv2d(3, 16, 3),    
        nn.ReLU(),
        nn.MaxPool2d(2, 2),     
        nn.Conv2d(16, 32, 5),   
        nn.ReLU(),
        nn.MaxPool2d(2, 2),     
    )

    self.fc_model = nn.Sequential(
        nn.Flatten(),           
        nn.Linear(800, 300),    
        nn.ReLU(),
        nn.Linear(300, 38),     
        nn.Softmax(dim=1)
    )

  def forward(self, x):
      x = self.cnn_model(x)
      x = self.fc_model(x)

      return x

model = CNN_Model()

out = model(imgs)
out

当我尝试运行上面的代码时，出现错误 mat1 和 mat2 无法相乘。我已经尝试过针对类似问题发布的答案，但我的问题仍然没有解决。

RuntimeError                              Traceback (most recent call last)
/tmp/ipykernel_66/1768380315.py in <module>
----> 1 out = model(imgs)
      2 out

/opt/conda/lib/python3.7/site-packages/torch/nn/modules/module.py in _call_impl(self, *input, **kwargs)
   1049         if …

错误的SS：

我尝试使用这段代码：

!pip install --upgrade librosa

但它仍然给我同样的错误。我该如何解决这个问题，有人可以帮助我吗？

我目前有一个 SVM 模型，可以将文本分为两个不同的类别。我目前正在使用 CountVectorizer 和 TfidfTransformer 来创建我的“词向量”。

问题是，当我首先转换所有文本然后将其拆分时，我认为我可能以错误的顺序进行操作。

我的问题是，如果我先执行train_test_split，然后仅对训练数据执行fit_transform，然后对测试数据进行转换，会有什么区别吗？

正确的做法是什么？

非常感谢，祝您编码愉快！

count_vect = CountVectorizer(stop_words='english')
X_counts = count_vect.fit_transform(textList)

tfidf_transformer = TfidfTransformer()
X_tfidf = tfidf_transformer.fit_transform(X_counts)

X_train, X_test, y_train, y_test = train_test_split(X_tfidf, correctLabels, test_size=.33, random_state=17)

我正在尝试从任何格式的工资单中构建以下参数的通用提取：

1. 姓名
2. 他的邮政编码
3. 发薪日
4. 净支付。

我面临的挑战是由于可能出现的各种格式，我想应用 NER (Spacy) 在实体下学习这些

1. 姓名 - 人
2. 他的邮政编码
3. 付款日期 - 日期
4. 净支付。- 钱

但是到目前为止我没有成功，我什至尝试为 Postcode & Date 构建自定义 EntityMatcher 但没有成功。

我寻求任何指导方针和方法，使我采取正确的道路来实现上述问题，在 ML 下实现这一目标的正确和最佳方法是什么。

我尝试构建的自定义 NER 片段

import spacy
import random
import threading
import time
from DateEntityMatcher import  DateEntityMatcher
from PostCodeEntityMatcher import PostCodeEntityMatcher


class IncomeValidatorModel(object):
    """ Threading example class
    The run() method will be started and it will run in the background
    until the application exits.
    """

    def __init__(self, interval=1):
        """ Constructor
        :type interval: int
        :param …

K-means 是一种随机初始化聚类中心的迭代算法。无论聚类中心如何初始化，Kmeans 算法是否都能保证收敛？为什么？

我正在安装 DARTS TimeSeries 库（https://github.com/unit8co/darts/blob/master/INSTALL.md#enabling-optical-dependencies），但遇到了依赖项安装问题。在 DARTS 安装指南中，它说如果我们遇到这个问题，我们必须参考 PyTorch 的官方安装指南，然后尝试再次安装 Darts。然后，当我尝试在 python 3.12.1 上安装 torch 时，我遇到了这个错误：

\n

错误：找不到满足火炬要求的版本（来自版本：无）

\n

错误：找不到火炬的匹配发行版。

\n

怎么解决呢？

我使用 PyCharm 作为 Python 代码编辑器。

我尝试了pip install darts，但它没有安装所有软件包并遇到此错误 error: subprocess-exited-with-error

  pip subprocess to install build dependencies did not run successfully.\n  \xe2\x94\x82 exit code: 1\n  \xe2\x95\xb0\xe2\x94\x80> [136 lines of output]\n      Collecting setuptools>=64.0\n        Obtaining dependency information for setuptools>=64.0 from https://files.pythonhosted.org/packages\n

然后，我尝试使用 pip install torch 来安装 torch 并遇到此错误\n错误：找不到满足需求 torch 的版本（来自版本：无）\n错误：找不到 torch 的匹配发行版

我正在从一本教科书中学习C ++（《 C ++：初学者指南》，第二版，Herbert Schildt）。以下程序代码摘自本书，但错误，请有人向我解释为什么不允许这样做吗？

目的是演示一个指针作为参数：

#include <iostream>

using namespace std;

char *get_substr(char *sub, char *str); //function prototype

int main()
{
    char *substr;
    substr = get_substr("three", "one two three four");

    cout << "substring found: " << substr;

    return 0;
}

我不会列出函数体，因为它按预期运行，但是即使它仅返回零，也会导致以下错误：类型为“ const char *”的E0167参数与类型为“ char *”的参数不兼容，引用函数调用。我的理解是，无论如何，字符串基本上是C中char的数组，为什么不允许这样做，什么是合适的替代方法？先感谢您。

我有一堂课

class Base {
public:
    virtual ~Base() {}
    virtual string returnString() = 0;
};

class B : public A {
public:
     string returnString() { return "string"; }
}

class C : public A {
public:
     string returnString() { return ""; }
}

和功能

string returnStringFunction(...);

我希望能够传递 C 类型的对象，但默认情况下，我希望此函数使用动态创建的 B 类型对象。

我记得使用过这样的东西：

string returnStringFunction(const A& a = *std::make_unique<B>()) 

或者

string returnStringFunction(const std::unique_ptr<A> a = std::make_unique<B>()) 

函数体示例：

string returnStringFunction(...) {
    return a->returnString();
}

但是这两个解决方案即使它们通常在我的“沙盒”环境中编译和工作，它们也会在工作区上生成SIGFAULT。知道是什么原因造成的或如何更好地解决它吗？

提前致谢

我想用 graphcore IPU 测试性能，但我不知道如何使用 tensorflow。有人可以帮我做到这一点吗？