TensorFlow語音識別實(shí)戰(zhàn)

第1章 語音識別之路
1．1 何謂語音識別
1．2 語音識別為什么難——語音識別的發(fā)展歷程
1．2．1 高斯混合-隱馬爾科夫時(shí)代
1．2．2 循環(huán)神經(jīng)網(wǎng)絡(luò)-隱馬爾科夫時(shí)代
1．2．3 基于深度學(xué)習(xí)的端到端語音識別時(shí)代
1．3 語音識別商業(yè)化之路的三個(gè)關(guān)鍵節(jié)點(diǎn)
1．4 語音識別的核心技術(shù)與行業(yè)發(fā)展趨勢
1．5 搭建環(huán)境1：安裝Python
1．5．1 Anaconda的下載與安裝
1．5．2 Python編譯器PyCharm的安裝
1．5．3 使用Python計(jì)算softmax函數(shù)
1．6 搭建環(huán)境2：安裝TensorFlow2．1
1．6．1 安裝TensorFlow2．1的CPU版本
1．6．2 安裝TensorFlow2．1的GPU版本
1．6．3 練習(xí)——HelloTensorFlow
1．7 實(shí)戰(zhàn)——基于特征詞的語音喚醒
1．7．1 第一步：數(shù)據(jù)的準(zhǔn)備
1．7．2 第二步：數(shù)據(jù)的處理
1．7．3 第三步：模型的設(shè)計(jì)
1．7．4 第四步：模型的數(shù)據(jù)輸入方法
1．7．5 第五步：模型的訓(xùn)練
1．7．6 第六步：模型的結(jié)果和展示
1．8 本章小結(jié)
第2章 TensorFlow和Keras
2．1 TensorFlow和Keras
2．1．1 模型
2．1．2 使用KerasAPI實(shí)現(xiàn)鳶尾花分類（順序模式）
2．1．3 使用Keras函數(shù)式編程實(shí)現(xiàn)鳶尾花分類（重點(diǎn)）
2．1．4 使用保存的Keras模式對模型進(jìn)行復(fù)用
2．1．5 使用TensorFlow標(biāo)準(zhǔn)化編譯對iris模型進(jìn)行擬合
2．1．6 多輸入單一輸出TensorFlow編譯方法（選學(xué)）
2．1．7 多輸入多輸出TensorFlow編譯方法（選學(xué)）
2．2 全連接層詳解
2．2．1 全連接層的定義與實(shí)現(xiàn)
2．2．2 使用TensorFlow自帶的API實(shí)現(xiàn)全連接層
2．2．3 打印顯示已設(shè)計(jì)的Model結(jié)構(gòu)和參數(shù)
2．3 懶人的福音——Keras模型庫
2．3．1 ResNet50模型和參數(shù)的載入
2．3．2 使用ResNet50作為特征提取層建立模型
2．4 本章小結(jié)
……
第3章 深度學(xué)習(xí)的理論基礎(chǔ)
第4章 卷積層與MNIST實(shí)戰(zhàn)
第5章 TensorFlowDatasets和TensorBoard詳解
第6章 從冠軍開始：ResNet
第7章 使用循環(huán)神經(jīng)網(wǎng)絡(luò)的語音識別實(shí)戰(zhàn)
第8章 梅西·阿根廷+意大利=？：有趣的詞嵌入實(shí)戰(zhàn)
第9章 從拼音到漢字——語音識別中的轉(zhuǎn)換器
第10章 實(shí)戰(zhàn)——基于MFCC和CTC的語音漢字轉(zhuǎn)換