基于卷积神经网络的声学模型效率优化与实现
针对卷积神经网络(CNN)声学模型处理大量浮点语音特征数据时效率低下的问题,本文给出并实现一种8 bit定点优化方法.该方法在不影响语音识别正确率的前提下,将90%以上的待处理浮点数据转换为定点数据参与卷积运算,大大缩短了声学模型的响应时间,在部署CNN声学模型的语音识别系统中,使用该定点方法处理浮点测试集时,转换后的8 bit定点化测试集的子句响应时间仅为处理前浮点测试集的一半.使用优化后CNN声学模型的语音识别系统将更适应市场需求.
卷积神经网络、声学模型、效率优化、定点化
42
TN912
2019-04-04(万方平台首次上网日期,不代表论文的发表时间)
共5页
39-43