作者创建了两种类型的分类器：独立于说话者（不依赖于说话者）和多说话者（对于许多说话者）。他们必须确定该陈述是否表明多说话或沉默寡言，以及哪种回应更可取：长答案还是短答案。 “健谈与否”的分类仅基于语音特征，并不分析话语的持续时间。短语的持续时间并不总是与我们能说的多少相关。
用户标签“健谈”和“沉默寡言”是从调查结果中提取的，响应标签“长”和“短”是从参与者评分中获得的。每句话都被分配了两个标签，一个表示说话者的健谈程度，另一个表示首选的回应。从语音中提取了 95 个声学特征：平均值、标准偏差、最小和最大基频、能量、前 12 个MFCC（梅尔倒谱系数）和前 5 个共振峰。
针对二元分类问题训练了 10 个分类器：
逻辑回归、贝叶斯定理、人工神经网络、基尼系数随机森林、熵随机森林、不同核的支持向量机。对于所有任务，都使用 scikit-learn 的标准实现。数据以 80/20 的比例（多说话者）划分用于训练和测试，以及交叉验证（独立于说话者）。使用 F1 测量评估效率。
定量评估
分类分数如表所示，这表明这两项任务的结果都很好。
顶部：交叉验证，底部：80/20 分割
这表明可以可靠地确定说话者的健谈程度和他在回应言论中的偏好。 80/20 的分割性能表明分类器不需要大量示例来训练，交叉验证性能表明模型可以推广到新的说话人。
苹果研究人员不会就此止步：他们计划为未来的语音助手引入完整的健谈能力。那么，数字助理提供的详细而有趣的答案不仅可以振奋我们的精神，还可以增加各种人沟通的舒适度。
数字营销中的战略优势。快速沟通直接参与和提供 个性化内容的能力使企业能够显著增强营 C级执行名单 销力度。随着消费者偏好的不断发采用此类创新工具对于在不断变化的数字环境中保持持续增长和竞争力至关重要。战略性收购 C 级高管名单业务。
让我们看一个使用 GPU 能力分析 ML 应用程序的示例。假设我们面临训练LSTM 神经网络以生成连贯文本的任务。为此目的编写了一个基于 Keras 的Python 脚本。请注意，Python 代码本身并不显式使用 GPU。但是，“输出”到 GPU 可以发生在 Keras 库的函数内，无需用户直接参与。因此，请随意启动 NVIDIA Profiler，将 Python 脚本本身指定为应用程序，分析器将获取其中的 GPU 代码。但是，您应该将分析的持续时间限制为较短的间隔，例如 30 秒。由于神经网络训练算法是均匀且周期性的，我们可以认为这个间隔表征了整个应用程序的行为，同时简化了分析器收集数据的工作。
为了有效地加载 GPU，必须满足两个条件：
GPU不应该闲置：有必要让某些核心始终处于加载状态；
内核程序必须使用尽可能多的计算单元，例如，乘以繁琐的矩阵。
下图显示了分析我们的 ML 脚本的过程：
从左到右是执行时间，中间的黄色小“砖块”是运行计算的CPU线程中的API调用，底部的绿色部分是GPU负载。正如您可能猜到的那样，100% GPU 使用率不会显示在小方块中，而是显示在一个连续的块中。但实际上这是不可能实现的，最好的希望就是“砖块”之间几乎没有间隙。因此，在该示例中不满足条件(1)。
相关应用程序使用单精度浮动通用矩阵乘法 (SGEMM) 内核。属性窗口（右）表明内核正在“16 个块，每块 128 个线程”配置中运行。这在入门级 GPU 上会产生良好的结果，但高端 VOLTA GPU 可以使用多达一千个这样的单元！这意味着内核使用的可用资源不到 1/10。
现在您知道如何编写低效的 GPU 应 手机号码列表 用程序（当然最好不要这样做）。您的客户可能会争辩说，使用 NVIDIA RTX 显卡，代码的运行速度仍然快了 10%。这个论点听起来就像“普里奥拉在穿越沼泽的比赛中比法拉利快一点”。换句话说，如果应用程序没有展现 GPU 的优势，那么性能几乎可以是任何，并且绝对而言 – 在所有变体中都很弱。为了在强大的 GPU 上获得显着加速，您需要解决真正的高负载任务。
A)沟通渠道的选择
这可以是电话号码、社交媒体资料和票务系统。首先，一个通道就足够了。最实惠的选择是在社交网络上帮助客户。
B)团队及其培训。确定雇用哪些员工以及不雇用哪些员工。谁将培训他们以及如何培训他们。
C)脚本和指南。查找最常见的问题并为其开发答案模板。选择您与客户沟通的风格 – 正式商务或更自由、热情和友好。作为撰写文本的基础，您可以使用 Maxim Ilyakhov 和 Lyudmila Sarycheva 所著的《商务信函新规则》和《写作、缩写》两本书。如何创建强有力的文本。”它们包含大量建议和现成的解决方案，将帮助您在短时间内创建一个用于通信的工作系统。
D)工作时间表及其形成
如果只有不到 5% 的客 最近手机号码联系人列表 户在晚上联系您，请不要立即启动 24/7 支持。这将是昂贵且不成熟的。还要记住，工作安排越标准，部门中需要的人员就越少。例如，如果您的技术支持服务工作时间为周一至周五 9:00 至 18:00，那么 1-2 人可能就足够了。但如果将夜班添加到此时间表中，您将需要再雇用 3-4 名员工。
请记住，支持人员也是普通人
您不能让一名员工连续两次上夜班。或者更确切地说，这是可能的，但这种情况不会持续太久。这听起来像是老生常谈，但有些管理者却忘记了这一点。从法律角度考虑问题：根据法律，夜间工作的工资高于白天工作，这意味着额外的费用。