我目前正在尝试实现一个cnn网络，它可以将输入映射到输出。
输入由大量音频文件组成，输出是特征向量。
由于音频文件的长度不同，总采样数总是不同，但每个采样的帧长度为25 ms，重叠时间为10 ms。形状（X，2050）
输出是特征向量形状是（x，13）。
我认为cnn的使用在这里似乎是合适的，因为每个输入由于重叠而包含前一个样本的一些信息。
在keras中是否可以设计一个利用此模型的模型，因此将为矩阵的每一行计算卷积和，并以某种方式使其知道25帧长度和10个重叠。
答案 0 :(得分：1)
是的，请参阅此文件的第220行[1]。这是使用卷积在Keras中实现的Wavenet。尽管他们已经创建了包装层，但这应该让您直观了解如何为音频样本建模。
[1] https://github.com/basveeling/wavenet/blob/master/wavenet.py#L220