search

Walleclipse / Deep_Speaker-speaker_recognition_system

Keras implementation of ‘’Deep Speaker: an End-to-End Neural Speaker Embedding System‘’ (speaker recognition)
247 stars 81 forks source link

网络 #22

Closed tingtingzhezhe closed 5 years ago

tingtingzhezhe commented 5 years ago

您好！我想问一下，您这个搭建了多少层网络，和百度原文的区别是什么？

Walleclipse commented 5 years ago

你好， models.py 里面有三种模型。

  1. convolutional_model 是和原文描述一样的Resnet结构 (我是按照论文描述搭建，和实际百度用的模型可能有一些细微的差别)，参数量是 24,314,491，可以查看 network.txt
  2. recurrent_model 是和原论文类似的GRU网络，但是我的GRU的性能比较差，估计和百度的有一些区别。
  3. convolutional_model_simple 是第一个convolutional_model 的简化版，参数量少很多，训练也快一点，但是性能可能比第一个差一点。
tingtingzhezhe commented 5 years ago

谢谢您细致的回答！祝福您科研顺利！顺心如意！

tingtingzhezhe commented 5 years ago

谢谢您细致的回答！祝福您科研顺利！顺心如意！

tingtingzhezhe commented 5 years ago

我还想再问一下，网络的具体输入节点数是不是160*64？相当于语谱图？

Walleclipse commented 5 years ago

是的，160帧，每一个帧是64维的MFCC特征。

tingtingzhezhe commented 5 years ago

学长，您好！我看了一下简化网络是58层吗？原文是不是一百多层？

Walleclipse commented 5 years ago

models.py 中的 convolutional_model_simple 应该是58层吧，没有算过，参数量比原来的模型少。原文是跟 convolutional_model 一样的。