北京怎样建设公司网站拼多多标题关键词优化方法

上篇（飞桨paddlespeech 语音唤醒初探）初探了paddlespeech下的语音唤醒方案，通过调试也搞清楚了里面的细节。因为是python 下的，不能直接部署，要想在嵌入式上部署需要有C下的推理实现，于是我就在C下把这个方案的部署实现了。需要说明的是目前完成的是浮点实现，真正部署时要用的是定点实现，后面要做的是从浮点到定点的转换。浮点实现也做了两个版本。一是跟python下的实现完全一致的版本，做这个版本的目的是方便与python版本的结果比较，确保每个模块的实现完全正确。二是将模型中的卷积层和对应的batchNormal（BN）层合并为一个卷积层的版本，将卷积层和对应的BN层合并为一个卷积层一是可以减少参数的个数，二是可以减少运算量（BN里有求方差等运算）。做定点化时也是要基于这个版本来做的。下面就讲讲我是怎么做C下的实现的。

语音唤醒的推理过程如下图所示：

从上图可以看出主要分两步，一是做特征提取，二是做模型推理。将提取出来的特征值作为模型的输入，推理后得到模型的输出，从而给出是否是关键词的结果。

1，  特征提取

特征提取的步骤如下图所示：

做这一步时主要基于两份开源的代码: FFT 和 MFCC。Fbank是MFCC的一部分，因此需要对代码进行裁剪。做时从分帧开始到得到特征值，每一步处理都要跟python下的保持完全一致，如分帧时用的是什么窗，用的是能量谱还是对数谱等。调试时基于一个具体的WAV文件来调。每一步执行后python下有一个输出，在C下也有一个输出，要确保这两个输出在误差允许范围内保持一致，否则就是C的实现有问题。经过调试后特征提取部分就完成了，python下的结果和C下的结果保持小数点后面前四位相同，误差还是非常小的。

2，  模型推理

模型推理可以分为如下几个步骤：在Python下获取模型参数并保存进文件给C实现用，跟python完全一致的浮点实现，将卷积层和对应的BN层合并为一个卷积层的浮点实现。

2.1 模型参数获取

在paddlespeech下先用API获取每层的参数，代码大致如下：

然后将每层的参数按事先规定的格式保存在一个文件里，供C实现去解析参数。我用的参数保存格式如下：

即参数一层一层的放。在每一层里，先是层名，然后是weight参数的个数和bias参数的个数，最后是weight和bias具体的参数值。在C中就根据这个规则去解析从而得到每一层的参数。

2.2 跟python推理完全一致的浮点实现

模型的框图如下：

主要有PreProcess/DTCNStack等模块。先实现模型用到的神经网络里的基本单元，有depthwise_conv1d/pointwise_conv1d/relu/batch_normal/sigmoid等。再将这些基本单元组成pre_process模块来调试。依旧是用调试特征提取时的方法来调，确保每一步的输出跟python下的在误差允许范围内保持一致。PreProcess模块调好后再来调DTCNStack等模块，最终形成一个完整的推理实现。下图给出了我调试时用的wav的最终每帧的在python下和C下的后验概率（有多个值，限于长度，这里只截取了部分），可以看出python下和C下的结果是保持一致的。

2.3将卷积层和对应的BN层合并为一个卷积层的浮点实现

为了减少参数个数和运算量，可以将将卷积层和对应的BN层合并为一个卷积层。具体原理如下：

对于C实现来说，只要把banch_normal()函数去掉就可以了。但是在保存参数时卷积层的参数要根据上面的公式做个换算，同时把BN层的去掉。下图是做最后linear以及后验概率运算时有没有BN层的结果（有多个值，限于长度，这里只截取了部分）。

从上两图看出将卷积层和BN层合并为一层对最终结果的影响是非常小的，但是省掉了2.5K的参数以及原先BN层要做的运算量。