沈阳网站排名工具,电子商务平台经营者的特点体现在,建设网站实训报告,食品包装设计ppt模板上篇#xff08;飞桨paddlespeech 语音唤醒初探#xff09;初探了paddlespeech下的语音唤醒方案#xff0c;通过调试也搞清楚了里面的细节。因为是python 下的#xff0c;不能直接部署#xff0c;要想在嵌入式上部署需要有C下的推理实现#xff0c;于是我就在C下把这个方…上篇飞桨paddlespeech 语音唤醒初探初探了paddlespeech下的语音唤醒方案通过调试也搞清楚了里面的细节。因为是python 下的不能直接部署要想在嵌入式上部署需要有C下的推理实现于是我就在C下把这个方案的部署实现了。需要说明的是目前完成的是浮点实现真正部署时要用的是定点实现后面要做的是从浮点到定点的转换。浮点实现也做了两个版本。一是跟python下的实现完全一致的版本做这个版本的目的是方便与python版本的结果比较确保每个模块的实现完全正确。二是将模型中的卷积层和对应的batchNormalBN层合并为一个卷积层的版本将卷积层和对应的BN层合并为一个卷积层一是可以减少参数的个数二是可以减少运算量BN里有求方差等运算。做定点化时也是要基于这个版本来做的。下面就讲讲我是怎么做C下的实现的。 语音唤醒的推理过程如下图所示 从上图可以看出主要分两步一是做特征提取二是做模型推理。将提取出来的特征值作为模型的输入推理后得到模型的输出从而给出是否是关键词的结果。 1 特征提取
特征提取的步骤如下图所示 做这一步时主要基于两份开源的代码: FFT 和 MFCC。Fbank是MFCC的一部分因此需要对代码进行裁剪。做时从分帧开始到得到特征值每一步处理都要跟python下的保持完全一致如分帧时用的是什么窗用的是能量谱还是对数谱等。调试时基于一个具体的WAV文件来调。每一步执行后python下有一个输出在C下也有一个输出要确保这两个输出在误差允许范围内保持一致否则就是C的实现有问题。经过调试后特征提取部分就完成了python下的结果和C下的结果保持小数点后面前四位相同误差还是非常小的。 2 模型推理
模型推理可以分为如下几个步骤在Python下获取模型参数并保存进文件给C实现用跟python完全一致的浮点实现将卷积层和对应的BN层合并为一个卷积层的浮点实现。
2.1 模型参数获取
在paddlespeech下先用API获取每层的参数代码大致如下 然后将每层的参数按事先规定的格式保存在一个文件里供C实现去解析参数。我用的参数保存格式如下 即参数一层一层的放。在每一层里先是层名然后是weight参数的个数和bias参数的个数最后是weight和bias具体的参数值。在C中就根据这个规则去解析从而得到每一层的参数。
2.2 跟python推理完全一致的浮点实现
模型的框图如下 主要有PreProcess/DTCNStack等模块。先实现模型用到的神经网络里的基本单元有depthwise_conv1d/pointwise_conv1d/relu/batch_normal/sigmoid等。再将这些基本单元组成pre_process模块来调试。依旧是用调试特征提取时的方法来调确保每一步的输出跟python下的在误差允许范围内保持一致。PreProcess模块调好后再来调DTCNStack等模块最终形成一个完整的推理实现。下图给出了我调试时用的wav的最终每帧的在python下和C下的后验概率有多个值限于长度这里只截取了部分可以看出python下和C下的结果是保持一致的。 2.3将卷积层和对应的BN层合并为一个卷积层的浮点实现
为了减少参数个数和运算量可以将将卷积层和对应的BN层合并为一个卷积层。具体原理如下 对于C实现来说只要把banch_normal()函数去掉就可以了。但是在保存参数时卷积层的参数要根据上面的公式做个换算同时把BN层的去掉。下图是做最后linear以及后验概率运算时有没有BN层的结果有多个值限于长度这里只截取了部分。 从上两图看出将卷积层和BN层合并为一层对最终结果的影响是非常小的但是省掉了2.5K的参数以及原先BN层要做的运算量。
