Kaldi阅读并更改代码

Posted JarvanWang

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Kaldi阅读并更改代码相关的知识,希望对你有一定的参考价值。

Common utilities

base/kaldi-common.h

几乎所有Kaldi程序都会include该头文件。

该头文件include了一些其他位于base/目录的头文件,主要提供:

  1. 错误-日志
  2. 类型定义(typedefs
  3. 数学实用程序函数(如随机数生成器)
  4. 其他#defines

   

util/common-utils.h

命令行参数解析

I/O函数(处理带管道的文件名)

ark列表处理

列表类型

字符串转换

gmm/model-common.h

GMM/SGMM的枚举,如:模型哪些部分需要更新

gmm/diag-gmm.h

单个GMM的定义,对GMM的操作,包括:

调整混合组元数以及特征维数

复制

高斯采样

扰动

分裂

合并

对组元的增、删、改、读写

似然计算

根据数据选择似然最高的组元

private:

/// GMM Constant(对数高斯混合模型概率密度函数中的常量)

/// log(weight) - 0.5 * (log det(var) + mean*mean*inv(var))

Vector<BaseFloat> gconsts_;

bool valid_gconsts_; ///< Recompute gconsts_ if false

gmm/am-diag-gmm.h

该类仅储存了一个GMM列表,以及定义了一些存取函数和便捷函数。

std::vector<DiagGmm*> densities_;

矩阵库

matrix/matrix-lib.h

该头文件是对BLASLAPACK的封装

sp-matrix.h

压缩的对称矩阵(symmetric packed matrices

tp-matrix.h

压缩的上下三角矩阵(triangular packed matrices

srfft.h

分裂基快速傅里叶变换(Split Rafix FFT

matrix/kaldi-matrix.h

矩阵定义、矩阵运算,tutorial

在文件matrix/matrix-lib-test.cc中添加一个测试函数。如前所述,如果出现问题,测试程序将被设计为以非零状态中止或退出。

我们将为Vector::AddVec函数添加一个测试例程。该函数将一个常量乘以一个向量,并加到另一个向量中。仔细阅读下面的代码,尽可能多地理解它(请注意:我们故意在代码中插入了两个错误)。如果你对模板不熟悉,理解它可能会很困难。我们尽量避免使用模板,因此Kaldi的大部分内容在不知道模板编程的情况下仍然可以理解。

   

template<class Real>

void UnitTestAddVec() {

// note: Real will be float or double when instantiated.

int32 dim = 1 + Rand() % 10;

Vector<Real> v(dim); w(dim); // two vectors the same size.

v.SetRandn();

w.SetRandn();

Vector<Real> w2(w); // w2 is a copy of w.

Real f = RandGauss();

w.AddVec(f, v); // w <-- w + f v

for (int32 i = 0; i < dim; i++) {

Real a = w(i), b = f * w2(i) + v(i);

AssertEqual(a, b); // will crash if not equal to within

// a tolerance.

}

}

   

特征提取代码

feat/feature-mfcc.h

数据成员有:

// lifter系数

Vector<BaseFloat> lifter_coeffs_;

// 离散余弦变换(Discrete Cosine Transformation)矩阵

Matrix<BaseFloat> dct_matrix_; // matrix we left-multiply by to perform DCT.

// 最小对数能量

BaseFloat log_energy_floor_;

// 梅尔滤波器组,声道长度归一化系数

std::map<BaseFloat, MelBanks*> mel_banks_; // BaseFloat is VTLN coefficient.

// 分裂基傅里叶变换

SplitRadixRealFft<BaseFloat> *srfft_;

// note: mel_energies_ is specific to the frame we\'re processing, it\'s

// just a temporary workspace.

// 当前帧的梅尔能量

Vector<BaseFloat> mel_energies_;

以及特征计算函数

声学决策树以及HMM拓扑代码

tree/build-tree.h

决策树构建主要是由BuildTree函数实现:

EventMap *BuildTree(...)

其返回值EventMap是一个能够表示从EventType((key, value)二元组向量)到EventAnswerType(整数)的映射。

key表示音素上下文位置(如,-1012);

其中-1表示当前位置位于该HMM中(粗略的位置)

value表示音素的标识符;

   

BuildTree()函数的输入数据为

const BuildTreeStatsType &stats,

其类型BuildTreeStatsType

typedef vector<pair<EventType, Clusterable*> > BuildTreeStatsType;

其中的EventType:

typedef vector<pair<EventKeyType, EventValueType> > EventType;

EventType三音素标识符,如{{-1, 1},{0, 15},{1, 21},{2, 38}}表示左上文音素为15、右下文音素为38的三音素21,并且其pdf-class(中间状态的标识符)为1。

Clusterable* 是指向一个接口类,支持如 统计数据相加、目标函数(如似然)计算 的运算。

在常见的脚本中,该指针通常指向一个统计数据类。

该类包含足够的用于估计对角高斯pdf的统计数据

如:

class GaussClusterable: public Clusterable{

private:

Matrix<double> stats_;//两行的矩阵,一行为向量之和,一行为向量的平方和

}

   

   

在进行accumlate tree时,为三音素中的每个HMM状态(即pdf-class)统计单高斯的统计数据。

-ci-phones选项(该选项是优化项,不加也可)用于指定无需进行数据统计的上下文无关音素(如静音音素)。

该程序的输出可以被看作是上述的BuildTreeStatsType。

以上是关于Kaldi阅读并更改代码的主要内容,如果未能解决你的问题,请参考以下文章

如何防止用户更改密码后阅读?

仅收听更改并获取有关更新字段的信息

如何阅读拉丁字符(Python)?

java06

仍然无法删除 tableviewcells

从阅读Discuz的核心代码并给出注释的经历分析程序员该如何阅读代码?