Zuwa gabaJagora na gaba
Softmax Regression for Multiclass Rabe
Na fasaha
Jagorar Fasaha
YAMNet cibiyar sadarwa ce da aka riga aka horar da ita don rarraba abubuwan da suka faru ta hanyar amfani da ƙamus na ajin AudioSet.
Yana samar da maki-matakin ajin firam da abubuwan haɗawa waɗanda za su iya tallafawa bincike mai kyau ko canja wurin ilmantarwa, amma hasashen sa yana nuna tsarin horon horo kuma ba tsarin fahimtar sauti bane na duniya.
YAMNet ƙwararriyar rarrabuwar taron sauti ce wacce aka fitar a cikin ma'ajiyar samfuran TensorFlow. Samfurin sa da aka rubuta yana annabta azuzuwan taron 521 AudioSet kuma yana amfani da tsarin tsarin MobileNetV1 mai zurfi-mai rabe-raben gine-ginen juyin juya hali. Yana iya mayar da maki fiye da azuzuwan don firam ɗin sauti na gaba, da kuma abubuwan sakawa na matsakaici. Waɗannan abubuwan fitowar suna sa ya zama mai amfani don bincika sautin muhalli kuma azaman wakilcin farawa don ƙaramin aiki na ƙasa. Makin ajin an haɗa su da AudioSet ontology, wanda ya haɗa da nau'ikan kamar magana, kiɗa, dabbobi, da abubuwan muhalli. Jerin aji yana siffanta abin da ƙila za ta iya bayyanawa: idan aikin yana buƙatar bambanci wanda ba ya nan ko kuma ya fi girma a cikin lissafin haraji, ƙirar ba za ta iya dogaro da ita ta samar da ainihin alamar ba kawai saboda akwai nau'in irin wannan. Bincika taswira da shubuha maimakon ɗaukar sunayen fitarwa azaman takamaiman takamaiman aikin. Aiki na yau da kullun yana ɗaukar sauti, yana jujjuya shi zuwa ƙimar samfurin da ake tsammani da tsarin tashoshi, yana gudanar da ƙirar, kuma yana tara ƙididdiga na firam idan ana buƙatar sakamakon matakin shirin. Sake samfur dole ne ya zama ainihin resamfur, ba canza filin metadata ba. Juyawa Mono, tsayin amfanin gona, da tara maki suna shafar abubuwan da aka fitar. Lamarin mai ƙarfi ɗaya na iya mamaye matsakaicin shirin, yayin da matsakaicin na iya wuce gona da iri ga taƙaitaccen tabbataccen ƙarya. Don canja wurin koyo, abubuwan haɗawa na iya ciyar da mai ƙira da aka horar akan misalan da aka yiwa lakabin aikin da aka yi niyya. A madadin, daidaitawa mai kyau yana sabunta wasu ma'aunin ƙira. Zaɓin da ya dace ya dogara da girman bayanai da ingancin lakabi. Rarraba rikodi ta tushe ko zama kafin a fitar da bambance-bambancen da aka haɓaka, da kimantawa akan rikodi masu zaman kansu. Saka idanu takamaiman kurakurai na aji da daidaitawa idan maki yana fitar da ƙofa. YAMNet samfuri ne, ba ƙayyadaddun bayanai ba ko ingantaccen samarwa. Faɗin pretraining ɗinsa bazai wakiltar kayan aiki na musamman, wuraren rikodi, ko abubuwan da ba kasafai suke faruwa ba. Bincika lasisi, ƙayyadaddun ƙirar ƙira, dacewar na'urar, da aiki akan yawan mutanen da aka nufa. Ana iya buƙatar bita na ɗan adam lokacin da alamun taron ke haifar da yanke shawara.
Hukunce-hukuncen gine-gine suna haifar da aiki da tsadar aiki na shekaru.
Ilimin fasaha yana taimaka wa ƙungiyoyi su zaɓi tari mai kyau, ba kawai sabon abu ba.
Zaɓuɓɓukan injiniya mafi kyau suna rage abin dogaro a cikin samarwa.
Masu rikodin sauti da aka riga aka horar za su ci gaba da tallafawa koyon canja wuri mai nauyi da gano abin da ya faru akan na'ura. Sabbin samfura na iya ɗaukar faffadan haraji ko mahallin tsayi mai tsayi, yayin da ƙananan hanyoyin sadarwa kamar YAMNet suna da amfani lokacin da iyakacin al'amura. Ya kamata ƙungiyoyi su kwatanta waɗannan zaɓuɓɓukan akan shirye-shiryen da suka dace da yanki da canjin waƙa a cikin makirufo da mahalli. Makin ƙididdiga zai buƙaci taswira a hankali, daidaitawa, da bitar ɗan adam lokacin da yanke shawara ya dogara da sautunan da ba kasafai ba. Ya kamata ƙungiyoyi su riƙe takamaiman misalan tabbatarwa na yanki yayin da na'urori da yanayin sauti ke canzawa. Maimaita gwaje-gwaje bayan canje-canjen firikwensin.
Samfurin sa ido na sauti yana amfani da YAMNet zuwa gajerun rikodin muhalli da tara makin matakin firam cikin taƙaitaccen shirin.
Mai haɓakawa yana amfani da abubuwan shigar YAMNet azaman abubuwan shigar da ƙarami mai rarrabawa don kunkuntar sa na nau'ikan sauti na gida.
Wani manazarci yana tsara taswirar manufa na aikin zuwa azuzuwan AudioSet kuma yana rubuta nau'ikan da basu da kwatankwacin daidai.
Ƙungiyar wayar hannu tana auna jinkirin ƙira da bincika sake samfuri da canza tashoshi akan na'urorin da aka nufa.
Haɓaka ma'auni ɗaya na iya ɓoye manyan raunin tsarin.
Sau da yawa ana raina kayan more rayuwa da kuma kuɗin kulawa.
Tsaro da gibin lura na iya girma yayin da tsarin ke ƙara haɓaka.
Ƙayyade latency, inganci, da maƙasudin farashi kafin aiwatarwa.
Alamar ma'auni a ƙarƙashin ainihin kaya da yanayin bayanai.
Kula da kayan aiki don kurakurai, ɗigo, da tasirin mai amfani.
Shirya bijirowa da hanyoyin mayar da martani kafin sikeli.
Free newsletter
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
YAMNet cibiyar sadarwa ce da aka riga aka horar da ita don rarraba abubuwan da suka faru ta hanyar amfani da ƙamus na ajin AudioSet. Yana samar da maki-matakin ajin firam da abubuwan haɗawa waɗanda za su iya tallafawa bincike mai kyau ko canja wurin ilmantarwa, amma hasashen sa yana nuna tsarin horon horo kuma ba tsarin fahimtar sauti bane na duniya.
YAMNet mai rarraba taron sauti ne tare da abubuwan da aka haɗa da azuzuwan AudioSet.
Samfurin yana fallasa abubuwan da aka haɗa waɗanda zasu iya aiki azaman abubuwan da aka koya.
Samfurin ba zai iya bambance nau'ikan da ba su nan kai tsaye ko mafi faɗi fiye da alamun fitarwa.
Sake samfur na ainihi yana canza ƙimar samfurin; sake lakafta metadata baya.
Abun ciki na iya aiki azaman fasalin shigarwa don mai rarraba ƙasa.
Ci gaba da koyo
An zaɓi ƙarin jagora don wannan batu
Zuwa gabaJagora na gaba
Softmax Regression for Multiclass Rabe
Na fasaha