ROS语音交互功能
到科大讯飞开放平台下载语音交互的功能包
在samples/iat_online_record_sample文件夹下执行编译命令编译source 64bit_make.sh ，如果出现以下报错：
linuxrec.c:12:28: fatal error: alsa/asoundlib.h: No such file or directory
#include <alsa/asoundlib.h>
^
compilation terminated.
Makefile:28: recipe for target 'linuxrec.o' failed
make: *** [linuxrec.o] Error 1
则执行如下命令安装：sudo apt-get install libasound2-dev，再次进行编译会出现如下警告，不必理会。
gcc -c -g -Wall -I../../include linuxrec.c -o linuxrec.o
linuxrec.c:529:12: warning: ‘list_pcm’ defined but not used [-Wunused-function]
static int list_pcm(snd_pcm_stream_t stream, char**name_out,
^
gcc -c -g -Wall -I../../include speech_recognizer.c -o speech_recognizer.o
gcc -c -g -Wall -I../../include iat_online_record_sample.c -o iat_online_record_sample.o
gcc -g -Wall -I../../include linuxrec.o speech_recognizer.o iat_online_record_sample.o -o ../../bin/iat_online_record_sample -L../../libs/x64 -lmsc -lrt -ldl -lpthread -lasound -lstdc++
在bin文件夹下会生成一个iat_online_record_sample，我们运行./iat_online_record_sample看看这个例程。
运行例程时会报错如下：
./iat_online_record_sample: error while loading shared libraries: libmsc.so: cannot open shared object file: No such file or directory
解决方法是把libmsc.so文件复制到usr/lib文件夹下：
sudo cp libs/x64/libmsc.so /usr/lib/
sudo ldconfig
复制完后重新运行./iat_online_record_sample会有两步配置，第一是是否上传用户自定义的字符库，这里选择no，第二个选项是选择语音从哪里来，我们选择从麦克风来。然后就可以对这麦克风说话，这里会自动将语音转换成文字。
到samples/tts_online_sample文件夹下执行编译命令source 64bit_make.sh ，然后到bin/文件夹下执行./tts_online_sample。
运行之后按任意键退出，在bin/文件夹下生成一个tts_sample.wav，可以双击运行播放。如果想要运行上述指令后自动播放wav文件，则需要修改源码，找到 samples/tts_online_sample/tts_online_sample.c文件，在第174行（printf("合成完毕\n");这句后面）添加如下代码，就可以在合成之后自动播放合成的文件。
popen("play tts_sample.wav","r");
添加完后要重新编译：source 64bit_make.sh ，然后到bin/下执行./tts_online_sample。
利用科大讯飞开放平台来实现ROS的语音输入功能。任务流程图如下，在终端中，通过/voiceWakeup话题发布一个唤醒词，开启语音转文字的功能。随后通过修改iat_publish.cpp实现语音转文字的功能，转化出来的文字送入到/voiceWords话题中发布出来。
首先建立一个ROS工作空间ws/src，在ws/目录下执行catkin_make编译工作空间。在工作空间内建立一个robot_voice的功能包，添加依赖为roscpp std_msgs。
然后将科大讯飞开放平台下载的sdk包中include/*.h文件夹中的所有.h文件（共6个）复制到ws/src/robot_voice/include/robot_voice/中，如下：
将sdk中/samples/iat_online_record_sample/*.h文件夹中所有的.h文件（共3个）也复制到ws/src/robot_voice/include/robot_voice/中，如下：
将sdk中/samples/iat_online_record_sample/*.c文件夹中所有的.c文件（共3个）复制到ws/src/robot_voice/src/中，并将iat_online_record_sample.c改名为iat_publish.cpp，如下：
接下来我们修改iat_publish.cpp文件以实现语音转文字的功能。首先是修改头文件，将下面四个头文件进行修改。
#include "robot_voice/qisr.h"
#include "robot_voice/msp_cmn.h"
#include "robot_voice/msp_errors.h"
#include "robot_voice/speech_recognizer.h"
同样，在linuxrec.c和speech_recognizer.c当中我们也需要修改头文件（加上robot_voice/即可）。
继续回到iat_publish.cpp文件中，为其添加ROS的头文件，并定义两个标志，一个是唤醒标志，一个是转换标志：
#include "ros/ros.h"
#include "std_msgs/String.h"
int wakeupFlag = 0 ;
int resultFlag = 0 ;
在show_result函数中添加一行标志位：
resultFlag=1;
在main函数中的开头添加ROS初始化节点的程序，这里会有Wakep函数的报错，这是一个唤醒的回调函数，我们还没有编写，别急，马上就到。
// 初始化ROS
ros::init(argc, argv, "voiceRecognition");
ros::NodeHandle n;
ros::Rate loop_rate(10);
// 声明Publisher和Subscriber
// 订阅唤醒语音识别的信号
ros::Subscriber wakeUpSub = n.subscribe("voiceWakeup", 1000, WakeUp);
// 订阅唤醒语音识别的信号
ros::Publisher voiceWordsPub = n.advertise<std_msgs::String>("voiceWords", 1000);
ROS_INFO("Sleeping...");
int count=0;
在主函数中继续往下找，找到下面的这几行删掉，我们重新编写唤醒代码和语音转文字代码。
删除后的位置添加如下代码：
while(ros::ok())
{
// 语音识别唤醒
if(wakeupFlag)
{
printf("Demo recognizing the speech from microphone\n");
printf("Speak in 8 seconds\n");
demo_mic(session_begin_params);
printf("8 sec passed\n");
wakeupFlag=0;
}
// 语音识别完成
if(resultFlag){
resultFlag=0;
std_msgs::String msg;
msg.data = g_result;
voiceWordsPub.publish(msg);
}
ros::spinOnce();
loop_rate.sleep();
count++;
}
最后在main函数之前添加一个唤醒WakeUp()代码：
void WakeUp(const std_msgs::String::ConstPtr& msg)
{
printf("waking up\r\n");
usleep(700*1000);
wakeupFlag=1;
}
至此语音转文字的代码修改就完成了，可以实现15s的语音转文字，如果需要修改15s为其他，例如8s，需要修改三处（主要是一处，另外两处只是可视化）：
在主函数刚刚写的while循环中修改两处：
printf("Demo recognizing the speech from microphone\n");
printf("Speak in 8 seconds\n");
demo_mic(session_begin_params);
printf("8 sec passed\n");
在demo_mic()函数中修改一处：
/* demo 8 seconds recording */
while(i++ < 8)
sleep(1);
接下来是配置CMakeLists.txt文件：
第5行注释打开。
add_compile_options(-std=c++11)
第117行include头文件路径注释打开
include_directories(
include
${catkin_INCLUDE_DIRS}
)
第135行添加可执行文件：
add_executable(iat_publish src/iat_publish.cpp src/speech_recognizer.c src/linuxrec.c)
第148行添加编译链接库
target_link_libraries(iat_publish
${catkin_LIBRARIES}
libmsc.so -ldl -lpthread -lm -lrt -lasound
)
至此配置完成，可以编译并运行功能包：
rosrun robot_voice iat_publish
出现如下说明需要唤醒词进行唤醒，然后方可用麦克风输入语音。
(base) chen@chen-GL62M-7RD:~/Downloads/ws$ rosrun robot_voice iat_publish
[ INFO] [1655621110.627786267]: Sleeping...
我们重新开启一个终端，查看当前话题rostopic list。
(base) chen@chen-GL62M-7RD:~$ rostopic list
/rosout
/rosout_agg
/voiceWakeup
/voiceWords
可以看到有一个/voiceWakeup话题，输入任意字符，运行这个话题即可。
(base) chen@chen-GL62M-7RD:~$ rostopic pub /voiceWakeup std_msgs/String "data: 'input any words'"
publishing and latching message. Press ctrl-C to terminate
(base) chen@chen-GL62M-7RD:~/Downloads/ws$ rosrun robot_voice iat_publish
[ INFO] [1655621110.627786267]: Sleeping...
waking up
Demo recognizing the speech from microphone
Speak in 8 seconds
Start Listening...
Result: [ 你好啊，这是一个测试案例。 ]
搞定！
利用科大讯飞开放平台来实现ROS的语音输出功能。任务流程图如下，在终端中，通过终端往/voiceWords话题发布一个字符串，开启文字转语音的功能。随后通过修改tts_subscribe.cpp实现文字转语音的功能，转化出来的语音进行实时播报。
工作空间仍采用上一小节建立好的工作空间，在此基础上进行添加相关功能。将科大讯飞的sdk中/samples/tts_online_sample/文件夹下的tts_online_sample.c文件复制到ws/src/robot_voice/src/中，并改名字为tts_subscribe.cpp。
首先还是头文件的修改：
#include "robot_voice/qtts.h"
#include "robot_voice/msp_cmn.h"
#include "robot_voice/msp_errors.h"
#include "ros/ros.h"
#include "std_msgs/String.h"```
接下来是主函数main的修改，我们首先删除以下语音合成的代码：
在删除的位置添加如下代码，包含ROS节点初始化，以及订阅文字话题进行文字转语音的回调函数。
```cpp
ros::init(argc,argv,"TextToSpeech");
ros::NodeHandle n;
ros::Subscriber sub =n.subscribe("voiceWords", 1000, voiceWordsCallback);
ros::spin();
文字转语音的回调函数如下：
void voiceWordsCallback(const std_msgs::String::ConstPtr& msg)
{
char cmd[2000];
const char* text;
int ret = MSP_SUCCESS;
const char* session_begin_params = "voice_name = xiaoyan, text_encoding = utf8, sample_rate = 16000, speed = 50, volume = 50, pitch = 50, rdn = 2";
const char* filename = "tts_sample.wav"; //合成的语音文件名称
std::cout<<"I heard :"<<msg->data.c_str()<<std::endl;
text = msg->data.c_str();
/* 文本合成 */
printf("开始合成 ...\n");
ret = text_to_speech(text, filename, session_begin_params);
if (MSP_SUCCESS != ret)
{
printf("text_to_speech failed, error code: %d.\n", ret);
}
printf("合成完毕\n");
popen("play tts_sample.wav","r");
sleep(1);
}
将主函数中这三行没用注释掉：
修复一个错误，将用户登陆中的goto exit删除，改为调用toExit()函数。
void toExit()
{
printf("按任意键退出 ...\n");
getchar();
MSPLogout(); //退出登录
}
下面进行配置文件，仍在上一节的CMakeLists.txt基础上添加下面两行。
add_executable(tts_subscribe src/tts_subscribe.cpp)
target_link_libraries(tts_subscribe
${catkin_LIBRARIES}
libmsc.so -ldl -pthread
)
rosrun robot_voice tts_subscribe
等待输入字符串进行文字转语音，运行rostopic list查看话题，然后往/voiceWords中发布一条字符串：这是一个测试案例。可以发现扬声器开始播报。
(base) chen@chen-GL62M-7RD:~$ rostopic list
/rosout
/rosout_agg
/voiceWords
(base) chen@chen-GL62M-7RD:~$ rostopic pub /voiceWords std_msgs/String "data: ' 这是一个测试案例'"
###########################################################################
## 语音合成（Text To Speech，TTS）技术能够自动将任意文字实时转换为连续的 ##
## 自然语音，是一种能够在任何时间、任何地点，向任何人提供语音信息服务的 ##
## 高效便捷手段，非常符合信息时代海量数据、动态更新和个性化查询的需求。 ##
###########################################################################
I heard :这是一个测试案例
开始合成 ...
正在合成 ...
>>
合成完毕
tts_sample.wav:
File Size: 48.0k Bit Rate: 256k
Encoding: Signed PCM
Channels: 1 @ 16-bit
Samplerate: 16000Hz
Replaygain: off
Duration: 00:00:01.50
In:100% 00:00:01.50 [00:00:00.00] Out:24.0k [ | ] Hd:5.0 Clip:0
搞定！
利用科大讯飞开放平台来实现ROS同时输入输出语音功能。任务流程图如下，其实就是将第四和第五两节的内容融合起来。首先在终端中，往/voiceWakeup话题发布唤醒词，开启语音转文字功能。接着开启文字转语音功能从/voiceWords话题中获取文字转化成语音播放出来。
我们建立一个launch启动文件，将前面两节的功能包包含进来即可，repeat_voice.launch内容如下：
<launch>
<node name="iat_publish" pkg="robot_voice" type="iat_publish" output="screen"/>
<node name="tts_subscribe" pkg="robot_voice" type="tts_subscribe" output="screen"/>
</launch>
运行roslaunch robot_voice repeat_voice.launch
发布唤醒词：
(base) chen@chen-GL62M-7RD:~$ rostopic pub /voiceWakeup std_msgs/String "data: 'any words'"
语音转文字and文字转语音：
(base) chen@chen-GL62M-7RD:~/Downloads/ws$ roslaunch robot_voice repeat_voice.launch
... logging to /home/chen/.ros/log/098c4190-efa1-11ec-a3dc-07c3dc4289df/roslaunch-chen-GL62M-7RD-221609.log
Checking log directory for disk usage. This may take a while.
Press Ctrl-C to interrupt
Done checking log file disk usage. Usage is <1GB.
started roslaunch server http://chen-GL62M-7RD:45243/
SUMMARY
========
PARAMETERS
* /rosdistro: noetic
* /rosversion: 1.15.11
NODES
/
iat_publish (robot_voice/iat_publish)
tts_subscribe (robot_voice/tts_subscribe)
ROS_MASTER_URI=http://localhost:11311
process[iat_publish-1]: started with pid [221642]
process[tts_subscribe-2]: started with pid [221643]
###########################################################################
## 语音合成（Text To Speech，TTS）技术能够自动将任意文字实时转换为连续的 ##
## 自然语音，是一种能够在任何时间、任何地点，向任何人提供语音信息服务的 ##
## 高效便捷手段，非常符合信息时代海量数据、动态更新和个性化查询的需求。 ##
###########################################################################
[ INFO] [1655624055.542878974]: Sleeping...
waking up
Demo recognizing the speech from microphone
Speak in 8 seconds
Start Listening...
Result: [ 你好啊，这是一个测试案例。 ]
Speaking done
Not started or already stopped.
8 sec passed
I heard :你好啊，这是一个测试案例。
开始合成 ...
正在合成 ...
>>>
合成完毕
tts_sample.wav:
File Size: 84.5k Bit Rate: 256k
Encoding: Signed PCM
Channels: 1 @ 16-bit
Samplerate: 16000Hz
Replaygain: off
Duration: 00:00:02.64
In:100% 00:00:02.64 [00:00:00.00] Out:42.2k [ ===|=== ] Clip:0
Done.
语音交互功能是前面案例的综合，通过唤醒词启动交互功能，语音输入一段音频后，根据输入的音频取执行响应的动作，例如返回另一端音频，或者发布一个指定的话题等等。
复制tts_subscribe.cpp文件并更名为voice_assistant.cpp。主要添加一个函数，修改一个函数。
添加to_string()函数。
std::string to_string(int val)
{
char buf[20];
sprintf(buf, "%d", val);
return std::string(buf);
}
修改voiceWordsCallback()函数。
void voiceWordsCallback(const std_msgs::String::ConstPtr& msg)
{
char cmd[2000];
const char* text;
int ret = MSP_SUCCESS;
const char* session_begin_params = "voice_name = xiaoyan, text_encoding = utf8, sample_rate = 16000, speed = 50, volume = 50, pitch = 50, rdn = 2";
const char* filename = "tts_sample.wav"; //合成的语音文件名称
std::cout<<"I heard :"<<msg->data.c_str()<<std::endl;
std::string dataString = msg->data;
if(dataString.find("你是谁") != std::string::npos
|| dataString.find("名字") != std::string::npos)
{
char nameString[100] = "我是你的语音小助手，你可以叫我小R";
text = nameString;
std::cout<<text<<std::endl;
}
else if(dataString.find("你几岁了") != std::string::npos
|| dataString.find("年龄") != std::string::npos)
{
char eageString[100] = "我已经四岁了，不再是两三岁的小孩子了";
text = eageString;
std::cout<<text<<std::endl;
}
else if(dataString.find("你可以做什么") != std::string::npos
|| dataString.find("干什么") != std::string::npos)
{
char helpString[100] = "你可以问我现在时间";
text = helpString;
std::cout<<text<<std::endl;
}
else if(dataString.find("时间") != std::string::npos)
{
//获取当前时间
struct tm *ptm;
long ts;
ts = time(NULL);
ptm = localtime(&ts);
std::string string = "现在时间" + to_string(ptm-> tm_hour) + "点" + to_string(ptm-> tm_min) + "分";
char timeString[40] = {0};
string.copy(timeString, sizeof(string), 0);
text = timeString;
std::cout<<text<<std::endl;
}
else
{
text = msg->data.c_str();
}
/* 文本合成 */
printf("开始合成 ...\n");
ret = text_to_speech(text, filename, session_begin_params);
if (MSP_SUCCESS != ret)
{
printf("text_to_speech failed, error code: %d.\n", ret);
}
printf("合成完毕\n");
popen("play tts_sample.wav","r");
sleep(1);
}
在原有的基础上添加如下两行：
add_executable(voice_assistant src/voice_assistant.cpp)
target_link_libraries(
voice_assistant
${catkin_LIBRARIES}
libmsc.so -ldl -pthread
)
voice_assistant.launch启动文件内容如下：
<launch>
<node name="iat_publish" pkg="robot_voice" type="iat_publish" output="screen"/>
<node name="voice_assistant" pkg="robot_voice" type="voice_assistant" output="screen"/>
</launch>
启动roslaunch robot_voice voice_assistant.launch
在终端输入唤醒词：
(base) chen@chen-GL62M-7RD:~$ rostopic pub /voiceWakeup std_msgs/String "data: 'any words'"
然后可以进行：你是谁？你会干什么？等关键词的交互对话。如下：
(base) chen@chen-GL62M-7RD:~/Downloads/ws$ roslaunch robot_voice voice_assistant.launch
... logging to /home/chen/.ros/log/14f60494-efa6-11ec-ac12-99bf7dab2f5e/roslaunch-chen-GL62M-7RD-16071.log
Checking log directory for disk usage. This may take a while.
Press Ctrl-C to interrupt
Done checking log file disk usage. Usage is <1GB.
started roslaunch server http://chen-GL62M-7RD:38585/
SUMMARY
========
PARAMETERS
* /rosdistro: noetic
* /rosversion: 1.15.11
NODES
/
iat_publish (robot_voice/iat_publish)
voice_assistant (robot_voice/voice_assistant)
ROS_MASTER_URI=http://localhost:11311
process[iat_publish-1]: started with pid [16092]
process[voice_assistant-2]: started with pid [16093]
###########################################################################
## 语音合成（Text To Speech，TTS）技术能够自动将任意文字实时转换为连续的 ##
## 自然语音，是一种能够在任何时间、任何地点，向任何人提供语音信息服务的 ##
## 高效便捷手段，非常符合信息时代海量数据、动态更新和个性化查询的需求。 ##
###########################################################################
[ INFO] [1655626374.490402348]: Sleeping...
waking up
Demo recognizing the speech from microphone
Speak in 8 seconds
Start Listening...
Result: [ 你是谁？ ]
Speaking done
Not started or already stopped.
8 sec passed
I heard :你是谁？
我是你的语音小助手，你可以叫我小R
开始合成 ...
正在合成 ...
>>>>
合成完毕
tts_sample.wav:
File Size: 120k Bit Rate: 256k
Encoding: Signed PCM
Channels: 1 @ 16-bit
Samplerate: 16000Hz
Replaygain: off
Duration: 00:00:03.74
In:100% 00:00:03.74 [00:00:00.00] Out:59.8k [ | ] Hd:5.1 Clip:0
Done.
waking up
Demo recognizing the speech from microphone
Speak in 8 seconds
Start Listening...
Result: [ 你多大年龄了？ ]
Speaking done
Not started or already stopped.
8 sec passed
I heard :你多大年龄了？
我已经四岁了，不再是两三岁的小孩子了
开始合成 ...
正在合成 ...
>>>>>
合成完毕
tts_sample.wav:
File Size: 129k Bit Rate: 256k
Encoding: Signed PCM
Channels: 1 @ 16-bit
Samplerate: 16000Hz
Replaygain: off
Duration: 00:00:04.04
In:100% 00:00:04.04 [00:00:00.00] Out:64.6k [ | ] Hd:5.6 Clip:0
Done.
至此利用科大讯飞开放平在在ROS中实现语音交互学习完成！
这可能是个愚蠢的问题。但是，我是一个新手......你怎么能在交互式rubyshell中有多行代码？好像你只能有一条长线。按回车键运行代码。无论如何我可以在不运行代码的情况下跳到下一行吗？再次抱歉，如果这是一个愚蠢的问题。谢谢。 最佳答案 这是一个例子:2.1.2:053>a=1=>12.1.2:054>b=2=>22.1.2:055>a+b=>32.1.2:056>ifa>b#Thecode‘if..."startsthedefinitionoftheconditionalstatement.2.1.2:057?>puts"f
只是想确保我理解了事情。据我目前收集到的信息，Cucumber只是一个“包装器”，或者是一种通过将事物分类为功能和步骤来组织测试的好方法，其中实际的单元测试处于步骤阶段。它允许您根据事物的工作方式组织您的测试。对吗？ 最佳答案 有点。它是一种组织测试的方式，但不仅如此。它的行为就像最初的Rails集成测试一样，但更易于使用。这里最大的好处是您的session在整个Scenario中保持透明。关于Cucumber的另一件事是您(应该)从使用您的代码的浏览器或客户端的角度进行测试。如果您愿意，您可以使用步骤来构建对象和设置状态，但通常您
目录前言滤波电路科普主要分类实际情况单位的概念常用评价参数函数型滤波器简单分析滤波电路构成低通滤波器RC低通滤波器RL低通滤波器高通滤波器RC高通滤波器RL高通滤波器部分摘自《LC滤波器设计与制作》，侵权删。前言最近需要学习放大电路和滤波电路，但是由于只在之前做音乐频谱分析仪的时候简单了解过一点点运放，所以也是相当从零开始学习了。滤波电路科普主要分类滤波器：主要是从不同频率的成分中提取出特定频率的信号。有源滤波器：由RC元件与运算放大器组成的滤波器。可滤除某一次或多次谐波，最普通易于采用的无源滤波器结构是将电感与电容串联，可对主要次谐波（3、5、7）构成低阻抗旁路。无源滤波器：无源滤波器，又称
最近在学习CAN，记录一下，也供大家参考交流。推荐几个我觉得很好的CAN学习，本文也是在看了他们的好文之后做的笔记首先是瑞萨的CAN入门，真的通透；秀！靠这篇我竟然2天理解了CAN协议！实战STM32F4CAN！原文链接：https://blog.csdn.net/XiaoXiaoPengBo/article/details/116206252CAN详解（小白教程）原文链接：https://blog.csdn.net/xwwwj/article/details/105372234一篇易懂的CAN通讯协议指南1一篇易懂的CAN通讯协议指南1-知乎(zhihu.com)视频推荐CAN总线个人知识总
深度学习部署：Windows安装pycocotools报错解决方法1.pycocotools库的简介2.pycocotools安装的坑3.解决办法更多Ai资讯：公主号AiCharm本系列是作者在跑一些深度学习实例时，遇到的各种各样的问题及解决办法，希望能够帮助到大家。ERROR:Commanderroredoutwithexitstatus1:'D:\Anaconda3\python.exe'-u-c'importsys,setuptools,tokenize;sys.argv[0]='"'"'C:\\Users\\46653\\AppData\\Local\\Temp\\pip-instal
我完全不是程序员，正在学习使用Ruby和Rails框架进行编程。我目前正在使用Ruby1.8.7和Rails3.0.3，但我想知道我是否应该升级到Ruby1.9，因为我真的没有任何升级的“遗留”成本。缺点是什么？我是否会遇到与普通gem的兼容性问题，或者甚至其他我不太了解甚至无法预料的问题？ 最佳答案 你应该升级。不要坚持从1.8.7开始。如果您发现不支持1.9.2的gem，请避免使用它们(因为它们很可能不被维护)。如果您对gem是否兼容1.9.2有任何疑问，您可以在以下位置查看:http://www.railsplugins.or
在Rails自动生成的功能测试(test/functional/products_controller_test.rb)中，我看到以下代码:classProductsControllerTest我的问题是:方法调用products()在哪里/如何定义？products(:one)到底是什么意思？看代码，大概意思是“创建一个产品”，但是它是如何工作的呢？注意我是Ruby/Rails的新手，如果这些是微不足道的问题，我深表歉意。 最佳答案 如果您查看test/fixtures文件夹，您会看到一个products.yml文件。这是在您创建
如何学习ruby的正则表达式？(对于假人) 最佳答案 http://www.rubular.com/在Ruby中使用正则表达式时是一个很棒的工具，因为它可以立即将结果可视化。 关于ruby-我如何学习ruby的正则表达式？，我们在StackOverflow上找到一个类似的问题： https://stackoverflow.com/questions/1881231/
在我的一些Controller中，我有一个before_filter检查用户是否登录？用于CRUD操作。application.rbdeflogged_in?unlesscurrent_userredirect_toroot_pathendendprivatedefcurrent_user_sessionreturn@current_user_sessionifdefined?(@current_user_session)@current_user_session=UserSession.findenddefcurrent_userreturn@current_userifdefine
深度学习12.CNN经典网络VGG16一、简介1.VGG来源2.VGG分类3.不同模型的参数数量4.3x3卷积核的好处5.关于学习率调度6.批归一化二、VGG16层分析1.层划分2.参数展开过程图解3.参数传递示例4.VGG16各层参数数量三、代码分析1.VGG16模型定义2.训练3.测试一、简介1.VGG来源VGG（VisualGeometryGroup）是一个视觉几何组在2014年提出的深度卷积神经网络架构。VGG在2014年ImageNet图像分类竞赛亚军，定位竞赛冠军；VGG网络采用连续的小卷积核（3x3）和池化层构建深度神经网络，网络深度可以达到16层或19层，其中VGG16和VGG