2回答
字典、列表和字符串
、、、、
一个基于字典的译码器，它以List的形式输入，并将其拆分为单个Strings，以便调用字典进行翻译。
我知道有一种方法可以简化代码，使其大大缩小，但我不知道如何实现。
也许我应该在变量中使用索引和len()来使其更小，但却找不到绕过它的方法。
是的我是刚开始编程的。
提前感谢！
decoder = {
"96": "0",
"97": "1",
"98": "2",
"99": "3",
"100": "4",
"101"
浏览 5提问于2022-07-26得票数 1
回答已采纳
我遵循这个，我可以像这样编译和训练我的模型：
encoder_inputs = Input(shape=(None,))
encoder_embedding = Embedding(max_words, latent_dim)(encoder_inputs)
encoder_lstm, state_h, state_c = LSTM(latent_dim, return_state=True)(encoder_embedding)
encoder_states = [state_h, state_c]
decoder_inputs = Input(shape=(None,))
decoder
浏览 0提问于2019-02-24得票数 3
我一直在尝试理解关于seq2seq2的keras示例代码。
链接：
如果我理解它，下面的decoder_model的输入是：decoder_inputs和decoder_states_inputs，其中[decoder_inputs]应该用作“实际”输入，decoder_states_inputs初始化lstm层的状态。
在创建模型时，似乎用于不同事物的两个输入与"+“运算符相结合。Model()如何区分两者？
encoder_model = Model(encoder_inputs, encoder_states)
decoder_state_input_h = Input(sha
浏览 6提问于2019-12-27得票数 0
回答已采纳
1回答
Keras中的计划采样
、、、、
我想知道如何在keras中实现本文中描述的定时采样(可能与课程学习一起使用) [https://arxiv.org/abs/1506.03099]。 让我们假设一个简单的编码器解码器模型，如下所示。如果可能，您将如何更改此模型以包含这些策略和行为？ # encoder architecture
encoder_inp = lyrs.Input(shape=(None, encoder_input_data.shape[-1]))
encoder_out = lyrs.GRU(size_gru)(encoder_inp)
# decoder architecture | training
d
浏览 39提问于2019-10-14得票数 0
1回答
你好，StackOverflow社区！
我正在尝试为seq2seq (编码-解码)模型创建一个具有注意的推理模型。这是推理模型的定义。
model = compile_model(tf.keras.models.load_model(constant.MODEL_PATH, compile=False))
encoder_input = model.input[0]
encoder_output, encoder_h, encoder_c = model.layers[1].output
encoder_state = [encoder_h, encoder_c]
encoder_model
浏览 4提问于2020-07-18得票数 0
回答已采纳
我正在尝试实现一个用于文本摘要的双向LSTM。我对推理部分有意见。维度不匹配。这是我的模型：
latent_dim = 300
embedding_dim=100
# Encoder
encoder_inputs = Input(shape=(max_news_len,))
#embedding layer
enc_emb = Embedding(x_voc, embedding_dim,trainable=True)(encoder_inputs)
#encoder lstm 1
encoder_bi_lstm1 = Bidirectional(LSTM(latent_dim,
浏览 0提问于2020-03-16得票数 1
1回答
我从Keras站点植入了10分钟的LSTM示例，并调整了网络以处理单词嵌入，而不是字符嵌入(来自)。效果很好。
但是现在我很难使用GRU而不是LSTM。在调整了变量之后，编译和训练(fit函数)开始工作。但是，当我试图使用网络测试它的自定义输入时，它会抛出：
维数必须相等，但输入形状为1、？、？、232、？、256个的“加法”(op：'Add')为232和256个。
LSTM的有关工作守则是：
encoder_inputs = Input(shape=(None, num_encoder_tokens), name="Encoder_Input")
encode
浏览 2提问于2018-07-30得票数 4
回答已采纳
1回答
我在Keras中使用了一个编码器解码器seq2seq架构，我传递了一个热的形状数组(num_samples，max_sentence_length，max_words)用于训练，并使用了教师强制。
#Encoder
latent_dim = 256
encoder_inputs = Input(shape=(None, max_words))
encoder = LSTM(latent_dim, return_state = True)
encoder_outputs, state_h, state_c = encoder(encoder_inputs)
encoder_states = [s
浏览 6提问于2018-06-04得票数 0
2回答
我用keras做了一个seq2seq模型。我已经构建了单层编码器和解码器，它们工作得很好。但现在我想把它扩展到多层编码器和解码器。我正在使用Keras Functional API构建它。
培训：-
编码器代码：-
encoder_input=Input(shape=(None,vec_dimension))
encoder_lstm=LSTM(vec_dimension,return_state=True,return_sequences=True)(encoder_input)
encoder_lstm=LSTM(vec_dimension,return_state=True)(encod
浏览 5提问于2018-06-19得票数 13
1回答
我写了这个神经网络
decoder_output = Conv2D(64, (3,3), activation='relu', padding='same')(encoder_input)
decoder_output = UpSampling2D((2, 2))(decoder_output)
decoder_output = Conv2D(32, (3,3), activation='relu', padding='same')(decoder_output)
decoder_output = UpSampling2D((2,
浏览 6提问于2020-05-22得票数 0
1回答
这显然是我编写的带有嵌入的seq2seq模型的代码
encoder_inputs = Input(shape=(MAX_LEN, ), dtype='int32',)
encoder_embedding = embed_layer(encoder_inputs)
encoder_LSTM = LSTM(HIDDEN_DIM, return_state=True)
encoder_outputs, state_h, state_c = encoder_LSTM(encoder_embedding)
encoder_states = [sta
浏览 4提问于2020-02-09得票数 0
回答已采纳
1回答
我的主要问题是在声明keras模型输入/outputs时使用"+“，这与普通的[input1, input2],[output1,output2]方法有什么不同？例如，：在对模型进行了培训之后，作者定义了推理模型：
decoder_model = Model(
[decoder_inputs] + decoder_states_inputs,
[decoder_outputs] + decoder_states)
我在keras文档中找不到这样的例子。
如果您想知道我的问题的具体内容:我正在编写一个用于特征提取的CNN，-> ->层(提供状态)，-> GRU层，-&g
浏览 1提问于2018-04-20得票数 0
回答已采纳
2回答
我实现了一个序列到序列编码器解码器，但我在预测中改变目标长度时遇到了问题。它对相同长度的训练序列起作用，但如果不同则不起作用。我需要改变什么？
from keras.models import Model
from keras.layers import Input, LSTM, Dense
import numpy as np
num_encoder_tokens = 2
num_decoder_tokens = 2
encoder_seq_length = None
decoder_seq_length = None
batch_size = 100
epochs = 2000
hidd
浏览 3提问于2018-07-24得票数 0
1回答
我正在用Keras编写一个序列到序列模型。由于某些原因，当我尝试在下面的函数中定义模型时：
def define_GRU_models(encoder_input_dim,
output_dim,
activation,
n_units):
# define training encoder #
###########################
# layer 1
encoder_inputs = Input(shape=encoder_input_dim)
l1_encoder = GRU(n_unit
浏览 18提问于2018-09-08得票数 1
回答已采纳
2回答
我在这里使用keras seq2seq示例：
我想持久化词汇表和解码器，以便以后再加载它，并将其应用于新的序列。
当代码调用model.save()时，这是不够的，因为我可以看到解码设置引用了许多其他变量，这些变量是深入到经过训练的模型的指针：
encoder_model = Model(encoder_inputs, encoder_states)
decoder_state_input_h = Input(shape=(latent_dim,))
decoder_state_input_c = Input(shape=(latent_dim,))
decoder_states_input
浏览 0提问于2018-01-08得票数 4
回答已采纳
给定下面的代码
encoder_inputs = Input(shape=(16, 70))
encoder = LSTM(latent_dim, return_state=True)
encoder_outputs, state_h, state_c = encoder(encoder_inputs)
# We discard `encoder_outputs` and only keep the states.
encoder_states = [state_h, state_c]
# Set up the decoder, using `encoder_states` as initi
浏览 2提问于2019-10-25得票数 2
我的任务是编码一个简单的2到4解码器，然后显示可能的结果和波形。
我使用gEDA套件以及iVerilog (iVerilog)作为编译器和波形的GTKWave。
这是我第一次使用Verilog或使用gEDA套件进行编码。从googling上看，我需要遵循以下设计流程：
考虑一下您想要实现的设计。在我的例子中，一个解码器
用VHDL/Verilog语言实现了设计。
在VHDL/Verilog中实现一个测试平台。
用iVerilog编译设计文件和测试平台文件
使用testbench和.vcd转储文件使用GTKWave显示波形
-- testbench文件不会编译--我不
浏览 0提问于2014-11-25得票数 1
回答已采纳
我正在做一个基于这个伟大的教程的项目。
我不得不用零填充输入和输出序列的末尾，以使它们保持相同的长度，例如
72 1 62 0 68 4 72 0 63 0 68 5 83 3 87 1 86 1 84 3 86 13 74 0 71 2 87 5 90 3 63 0 66 0 76 2 36 1 38 1 67 0 34 0 61 4 89 4 62 0 40 0 63 0 31 1 39 5 88 4 68 0 68 0 72 3 71 0 78 3 67 1 66 0 64 5 63 1 67 2 61 0 0 00 0 0
77 77 5 76 2 77 78 71 1 79 1 77
浏览 3提问于2020-05-15得票数 2
回答已采纳
对于一个基于深度学习的项目，我使用LSTM构建了一个sequnce2sequnce模型。现在我想使用GRU而不是LSTM，但是我在深度学习领域没有足够的知识。我犯了这个错误，解决不了。
错误消息
An `initial_state` was passed that is not compatible with `cell.state_size`. Received `state_spec`=ListWrapper([InputSpec(shape=(None, 80, 512), ndim=3), InputSpec(shape=(None, 512), ndim=2)]); howe
浏览 6提问于2021-10-23得票数 2
2回答
在tutorial：中，我们有一层seq2seq模型。我想在编码端和解码器端各增加一个层来扩展这个模型。训练似乎起作用了，但是我不能让解码器在多层的推理中正确设置。以下是我对教程中提到的模型所做的更改。
编码器：
encoder_inputs = Input(shape=(None, num_encoder_tokens))
encoder1 = LSTM(
latent_dim,
return_sequences=True
)
encoder2 = LSTM(
latent_dim,
return_state=True,
)
x=encoder1(encoder_inputs
浏览 3提问于2018-09-23得票数 2
我遵循这个示例代码来使用keras构建一个seq2seq模型。https://github.com/keras-team/keras/blob/master/examples/lstm_seq2seq.py 当我训练这段代码时，它工作正常，结果也很好。但是当我尝试使用预训练的嵌入模型来训练它时，损失和交叉点总是得到负值。 我试图仅使用5个示例的数据集来使模型在它们之上过度拟合，只是为了确保它正确工作，但损失和交叉点仍然是负的。 我使用FastText嵌入模型，下面是用嵌入向量加载数据集的代码： encoder_input_data = np.zeros(
(input
浏览 39提问于2020-10-16得票数 0
这与我之前的问题有关，，我发现了一些东西，认为这可能是我的问题的解决方案，但我不能让它工作，我需要有人可以帮助我。
这是代码
代码TIdMIMEBoundary.FindBoundary()的问题在于未声明的标识符和Fetch()。
uses
...
IdTCPConnection, IdTCPClient, IdHTTP, IdBaseComponent,
IdComponent, IdCustomTCPServer, IdCustomHTTPServer, IdHTTPServer,
IdContext, IdMultipartFormData, IdHeaderList, IdM
浏览 2提问于2012-06-29得票数 0
2回答
在Seq2Seq模型中添加注意层
、、、、
建立了编解码器的Seq2Seq模型.我想给它增加一个注意层。我尝试添加注意层，但没有帮助。
这里是我的初始代码，不需要注意
# Encoder
encoder_inputs = Input(shape=(None,))
enc_emb = Embedding(num_encoder_tokens, latent_dim, mask_zero = True)(encoder_inputs)
encoder_lstm = LSTM(latent_dim, return_state=True)
encoder_outputs, state_h, state_c = encoder_lstm(enc
浏览 6提问于2020-06-13得票数 5
回答已采纳
我正在研究一个具有注意力机制的sequence2sequence模型，因此我使用的是编解码结构。
解码器部分代码是：
# Now create the Decoder layers.
decoder_inputs = Input(shape=(len_target,))
decoder_emb = Embedding(input_dim=vocab_out_size, output_dim=embedding_dim)
decoder_lstm = LSTM(units=units, return_sequences=True, return_state=True)
decoder_lstm_
浏览 0提问于2019-05-02得票数 4
我定义了一个类，我打算在它上调用send
class Decoder
def Foo
"Decoding Foo"
end
end
decoder = Decoder.new
puts "Foo: '#{decoder.send :Foo}'"
# => Foo: 'Decoding Foo'
Decoder还有其他类似的方法。我想用一个符号调用send，该符号没有定义相应的方法，而是调用了一个默认处理程序。在这个默认的处理程序中，我想知道发送了什么符号。在没有定义Baz的地方，我想要这个输出：
dec
浏览 5提问于2014-02-06得票数 0
回答已采纳
2回答
我已经按照opensuse指南安装了媒体格式支持的媒体编解码器，它让Kaffeine播放视频格式，但对VLC不起作用，所以我的问题是处理这个问题。
例如，当我使用VLC播放.flv时：
No suitable decoder module:
VLC does not support the audio or video format "mpga". Unfortunately there is no way for you to fix this.
No suitable decoder module:
VLC does not support the audio or vid
浏览 0提问于2014-12-09得票数 1
2回答
许多基于LSTM的seq2seq编解码结构的教程(例如英、法翻译)将模型定义如下：
encoder_inputs = Input(shape=(None,))
en_x= Embedding(num_encoder_tokens, embedding_size)(encoder_inputs)
# Encoder lstm
encoder = LSTM(50, return_state=True)
encoder_outputs, state_h, state_c = encoder(en_x)
# We discard `encoder_outputs` and only keep t
浏览 1提问于2019-04-22得票数 4
回答已采纳
我不想说我花了多长时间才讲到这一点，但我真的很难完全理解PyQt5，以及它与我在Qt网站上看到的C++代码有什么关系，但我认为。我明白了，或者.至少我以为我做到了直到这件事完全失败了。我将从我得到的输出开始，它告诉我我有一个真正存在的文件。我尝试过mp3和ogg版本，以防由于某种原因，AudioDecoder无法解码MP3，尽管QtMultimedia的其他部分已经能够播放它(我正试图提高更低的级别，这样我就可以对音频进行平移，并移动左/右平衡，等我弄清楚之后可能还有其他有趣的事情)。
调试输出：
MP3 exists:True
Decoder stopped:True <- expec
浏览 1提问于2017-10-07得票数 1
回答已采纳
关于，在训练期间，我得到了多个损失和准确性。例如,
Epoch 1/100
1382/1382 [==============================] - 694s 502ms/step - loss: 0.6798 - decoder_loss: 0.3399 - decoder_accuracy: 0.5770 - decoder_accuracy_1: 0.5770 - val_loss: 0.6606 - val_decoder_loss: 0.3373 - val_decoder_accuracy: 0.5783 - val_decoder_accuracy_1: 0.57
浏览 4提问于2020-02-20得票数 0
回答已采纳
1回答
我正在尝试使用下面介绍的在TensorFlow中使用RNN创建聊天机器人。
示例中的模型是一个基于字符的序列，但我想要做一个单词级别的模型。该教程在"Bonus FAQ“部分中有一些关于如何修改模型以使其具有单词级别的信息。我使用的是GloVe预训练的单词嵌入。
我的模型是这样的：
emb_dimension = 100
# Set up embedding layer using pretrained weights
embedding_layer = Embedding(total_words, emb_dimension, input_length=max_input_len,
浏览 23提问于2021-03-02得票数 0
在Keras库和Seq2Seq模型的帮助下，我正在用python编写一个聊天机器人。我首先训练模型，然后将其保存到.h5文件中，并从该文件加载以使用训练后的模型。然而，当我尝试从我的.h5文件加载我的模型时，我得到了错误："ValueError:名称"input_2“在模型中使用了2次。所有的层名称都应该是唯一的。”作为参考，我用来加载模型的代码是(使用training_model.h5作为保存文件) latent_dim = 256
decoder_inputs = training_model.input[1]
decoder_state_input_hidden =
浏览 126提问于2020-06-22得票数 0
1回答
我正在尝试在Keras中使用seq2seq模型构建一个聊天机器人。我使用了Keras博客中指定的标准seq2seq模型。我曾经使用过Word2vec来嵌入单词。我的问题是，我在训练时得到了负值的损失。为什么会发生这种情况?我如何修复它？谢谢。 from keras.models import Model
from keras.layers import Input, LSTM, Dense
# Define an input sequence and process it.
encoder_inputs = Input(shape=(None, num_encoder_tokens))
e
浏览 8提问于2020-07-19得票数 0
假设我想写一段代码，它可以在运行时接收共享相同接口的不同类型的解码器，即trait Decoder。我想得到Arc<Mutex<dyn Decoder>>，并将其向下转换到我的特定解码器。如下所示： use std::sync::{Arc, Mutex};
trait Decoder {
}
struct SpecificDecoder1 {
}
impl Decoder for SpecificDecoder1 {
}
struct SpecificDecoder2 {
}
impl Decoder for Spec
浏览 92提问于2021-06-29得票数 0
回答已采纳
我使用keras构建了一个seq2seq模型，如下所示：
def build_bidi_model():
rnn = layers.LSTM
# Encoder
# encoder inputs
encoder_inputs = Input(shape=(None,), name='encoder_inputs')
# encoder embedding
encoder_embedding = Embedding(num_encoder_tokens, encoder_embedding_dim,name='encode
浏览 0提问于2018-03-12得票数 0
我是数据科学领域的新人。这是我为一个新的神经网络编写的代码。但是，这个bug让我很困惑。感谢你的帮助 def Conv_net(input_size=(None,None , 5)):
num_encoder_tokens = 5
num_decoder_tokens = 5
latent_dim = 25
# Define an input sequence and process it.
encoder_1= Input(shape=(32, num_encoder_tokens))
encoder_conv1d=Conv1D(filter
浏览 15提问于2020-01-31得票数 0
1回答
我正在尝试用于语言翻译的编解码模型，但是val_acc是浮动的，而且不会超过16%。因此，我决定添加Dropout以避免过度适应，但我不能这样做。
请帮助我在代码中添加下拉列表，如下所示：
# Encoder
encoder_inputs = Input(shape=(None,))
enc_emb = Embedding(num_encoder_tokens +1, latent_dim, mask_zero = True)(encoder_inputs)
encoder_lstm = LSTM(latent_dim, return_state=True)
encoder_outputs,
浏览 11提问于2021-03-08得票数 1
Python n00b在这里试图通过pip安装。
当我寻找它的时候，我看到它的存在
$ pip search decoder.py
decoder.py (1.5XB) - Cross-platform Python module for decoding compressed audio files
但我似乎不能安装它。
$ pip install decoder.py
Collecting decoder.py
Could not find a version that satisfies the requirement decoder.py (from versions: )
No
浏览 3提问于2017-01-07得票数 1
回答已采纳
Hello，我试图对简单的Maluuba/qgen-工作坊seq2seq模型添加注意，但是我不知道应该传递到初始状态的正确的batch_size是什么--我尝试了如下：
# Attention
# attention_states: [batch_size, max_time, num_units]
attention_states = tf.transpose(encoder_outputs, [1, 0, 2])
# Create an attention mechanism
attention_mechanism = tf.contrib.seq2seq.LuongAtte
浏览 0提问于2018-07-24得票数 0
1回答
对于编解码模型的数据形状，我有一些困难。问题似乎与Dense层有关，但我不明白为什么会出现不兼容问题。有谁可以帮我？
错误消息
ValueError: Shapes (None, 6) and (None, 6, 1208) are incompatible
模型
# Define an input sequence and process it.
encoder_inputs = Input(shape=(35,), name='encoder_inputs')
decoder_inputs = Input(shape=(6,), name='decoder_inpu
浏览 1提问于2021-11-24得票数 0
回答已采纳
0回答
用C++用libFLAC解码数据
、、、、
我的目的是为了测试目的而解码flac数据。我将创建一个小存根，该存根具有一个将数据和大小作为输入参数的函数。不需要制作任何类型的输出文件，因为我只做解码测试。我已经阅读了libflac page ()上的一些示例和api文档。
现在这给出了我:错误:初始化解码器：(空)，因为FLAC__stream_decoder_init_stream被注释了。它被评论的原因是我不知道如何正确使用它并获得解码工作。有什么建议和评论可以帮助我获得解码工作吗？
#include <stdio.h>
#include <stdlib.h>
#include "share/compa
浏览 5提问于2016-07-07得票数 1
回答已采纳
2回答
泛型问题
、、、、
我有一个泛型类
public class Decoder<SIGNAL> where SIGNAL : signalType, new()
signalType是一个抽象类。如何声明一个动态字段来存储它？下面的代码将抛出一个编译错误，说明Decoder必须是非抽象类型泛型。
public class DecoderParent
{
private Decoder<signalType> decoder;
public DecoderParent(keys key)
{
switch(key)
{
case
浏览 0提问于2009-09-24得票数 1
回答已采纳
3回答
时间序列的seq2seq预测
、、、、
为了重建的目的，我想做一个Seq2Seq模型。我想要一个训练的模型来重建正常的时间序列，并且假设这样的模型对于重建训练中没有看到的异常时间序列会做得很糟糕。
我的代码和理解上都有一些空白。我把这作为一个方向，并做了迄今为止的工作:训练数据: input_data.shape(1000,60,1)和target_data.shape(1000,50,1)，目标数据是相同的训练数据，只是与论文中所述的相反顺序。推论:我想用经过训练的模型(3000,60,1)预测另一个时间序列数据。现在有两点是开放的:如何为我的训练模型指定输入数据，以及如何用停止条件构建推理部分？
，请纠正任何错误。
from k
浏览 2提问于2018-06-10得票数 2
回答已采纳
1回答
我使用的是Ubuntu 14.04 LTS类型操作系统32位
我有克隆git从
并且想要编译
但在某些行中，我得到了下面的错误
checking for arm-linux-androideabi-gcc... ../Downloads/android-ndk-r10d/toolchains/arm-linux-androideabi-4.6/prebuilt/linux-x86/bin/arm-linux-androideabi-gcc --sysroot=../Downloads/android-ndk-r10d/platforms/android-3/arch-arm
checking
浏览 0提问于2014-12-12得票数 0
我有以下代码：
case class Custom(value: Int)
case class Custom2(value: Float)
case class MappedEncoding[I, O](f: I => O)
trait Decoders {
type BaseDecoder[T] = () => T
type Decoder[T] <: BaseDecoder[T]
}
trait ConcreteDecoders extends Decoders {
type Decoder[T] = ConcreteDecoder[T]
cas
浏览 1提问于2016-12-05得票数 2
1回答
图分离角
、、
相关守则
如果缺少代码的部分，请随时索取更多信息。
def get_decoder_layers(char_list, encoder_state=None):
input = layers.Input(shape=(None, len(char_list)))
cells = []
for hidden in [256, 256]:
cells.append(layers.GRUCell(hidden))
decoder = layers.RNN(cells, return_state=True, return_sequences=True
浏览 0提问于2018-11-03得票数 0
我得到了这个错误：
main.cpp(10) : error C2664: 'lr::codec::codec(protocol_decoder *)'
: cannot convert parameter 1 from 'proto::protocol_decoder *' to 'protocol_decoder *'
如果我删除了proto名称空间的使用，那么这个错误就会消失。我如何解决这个问题，并仍然保留使用proto命名空间。
代码如下：
main.cpp：
#include "protocol_decoder_a.hpp&#
浏览 0提问于2013-05-16得票数 0
回答已采纳
dimensionality = 4
#trainint encoder
encoder_inputs = Input(shape=(None, num_encoder_tokens))
decoder_inputs = Input(shape=(None, num_decoder_tokens))
encoder = Bidirectional(LSTM(dimensionality, return_sequences=True, return_state=True,
go_backwards=True), merge_mod
浏览 15提问于2020-11-18得票数 1
我正在尝试开发具有注意力机制的聊天机器人。但是它会给出这样的错误。我的x_train输入形状是(None，27)，输出形状是(None，27,8870)。但是我不能正确地识别错误。 def chatbot_model(embedding_size, max_sentence_length, vocab_size, embedding_matrix, batch_size=None):
if batch_size:
encoder_inputs = Input(batch_shape=(batch_size, max_sentence_length, ), name='e
浏览 90提问于2020-06-17得票数 0
我试图用输入(123,45,4)和输出(123,45,1)实现一个LSTM，输入序列为4个整数，输出为单个数字。我正在使用Mac，Google和TF版本2.3.0。
这是我的模型：
def define_models(n_input, n_output, n_units):
# define training encoder
encoder_inputs = Input(shape=(None, n_input))
encoder = LSTM(n_units, return_state=True)
encoder_outputs, state_h, state
浏览 1提问于2020-09-10得票数 0
1回答
我在xcode项目中添加了LibFlac。然后，我在我的项目中添加了Libflac中的decode/main.c。我通过了infile.flac并运行了项目的可执行文件，但是它给出了以下错误
解码:失败状态: FLAC__STREAM_DECODER_END_OF_STREAM logou
T
这是main.c
int main(int argc, char *argv[])
{
FLAC__bool ok = true;
FLAC__StreamDecoder *decoder = 0;
FLAC__StreamDecoderInitStatus init_stat
浏览 7提问于2011-12-29得票数 4
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
