pb是不是能用还不好说，所以这一步测试是不可避免的。人生总是不断向前，曾经的失败荣辱，都是过去，不如我们重新开始？？
你是否还记得《春光乍泄》中的何宝荣？？？
“不如我们重新来过？”
由于直接的输入并不是真正的网络所要的输入，而是fft后的结果，所以先进行fft再进行输入，同样输出也是fft后，需要时频掩蔽恢复波形，不过stft时有帧移，不知道是否会有影响？？？影响大不大？
补充一：我发现我已经create_eval_graph，这个在tf早期版本中似乎已经相当于进行了tf lite转化，或者说已经是量化后的图了。这种情况下先测试是否好用再考虑这一步。
补充二：只定义一个输出不对，不能进行时频掩蔽的计算，y_out1也应该有，pb应该再次生成。看看如何。
补充三：pb测试通过，但是工作还有很多，1-是否可以转tflite；2-cpp/Java调用是如何实现的；3-其他参数如SEQ_LEN、L_HOP是否可以修改；4-如果tf有这部分，那么可以直接融合在网络中，直接输入输出的就是波形数据，这将是最简单的。
补充四：老子想将两个输出执行一次代码，结果发现不太行啊，好好搜搜看看。get_tensor_by_name似乎必须分开写，sess.run可以合在一起写。这样也行吧。
补充五：stft似乎无法融入到tf中，但可以尝试下sess.run得到的短时谱进行下istft转换。不然写成其他语言太麻烦了。为啥tf中stft与librosa中的有很大差别呢？真是够了。另外也出现了端点问题，这个似乎不可避免了，只要按帧处理都有这个问题了。
补充六：自己写的stft函数与librosa中的相差不大，不过是针对nfft为2的指数幂进行计算比较的，hop为nfft//4，这种情况下用自己的函数与librosa的函数基本99%相同，除了个别差别，但也在10e-8级别，所以说这个函数是成功的，下一步，将此 函数融入tf加减乘除，希望好运，如果不行，自编底层函数就有点繁琐了，其实也不难，我已经实现的就是最底层的，就是有点懒，再说了完全融入模型，输入波形，输出恢复的波形岂不是更好，拿来就用最好了。
补充七：我特么