pix2pix:pix2pix(cGAN)的Tensorflow实现用于音频源分离

上传者: 42121754 | 上传时间: 2022-04-29 17:40:42 | 文件大小: 5KB | 文件类型: ZIP
pix2pix 描述 这是使用pix2pix进行音频源分离(混合到人声)的。 我将原始数据(混合和人声对数据集)预处理为可以作为二维图像处理的声谱图,然后训练模型。 有关详细的超hyperparams.py ,请参见文件hyperparams.py。 要求 NumPy> = 1.11.1 TensorFlow> = 1.0.0 解放军 数据 我使用的DSD100数据集由成对的混合音频文件和人声音频文件组成。 完整的数据集(〜14 GB)可以在下载。 文件描述 hyperparams.py包含所有需要的超级参数。 data.py加载训练数据并将其预处理为原始数据序列的单位。 modules.py包含网络的所有方法,构造块和跳过连接。 networks.py建立网络。 train.py用于培训。 训练网络 步骤1.如有必要,在hyperparams.py调整超级参数。 步骤2.如

文件下载

资源详情

[{"title":"( 7 个子文件 5KB ) pix2pix:pix2pix(cGAN)的Tensorflow实现用于音频源分离","children":[{"title":"pix2pix-master","children":[{"title":"train.py <span style='color:#111;'> 3.27KB </span>","children":null,"spread":false},{"title":"data.py <span style='color:#111;'> 2.03KB </span>","children":null,"spread":false},{"title":"hyperparams.py <span style='color:#111;'> 611B </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 1.24KB </span>","children":null,"spread":false},{"title":"network.py <span style='color:#111;'> 351B </span>","children":null,"spread":false},{"title":"module.py <span style='color:#111;'> 5.59KB </span>","children":null,"spread":false},{"title":".gitignore <span style='color:#111;'> 31B </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明