用于对声音进行分类的时间CNN:cur_target断言

时间:2017-06-17 17:42:56

标签: networking machine-learning lua neural-network torch

我想在Torch中建立一个CNN来分类(小)录音。我有一些样本,每个样本有16608x1样本(如果它们太大,我可以压缩它们)。大约有300个样本(如果需要,可以使用900个样本,但我想首先尝试使用这个较小的样本),分为30个类别。

这是我到目前为止所写的内容:

net = nn.Sequential()
-- 1
net:add( nn.TemporalConvolution(1, 640, 1529) )
net:add( nn.TemporalMaxPooling(4) )
net:add( nn.LogSoftMax() )
-- 2
net:add( nn.TemporalConvolution(640, 15, 647) )
net:add( nn.TemporalMaxPooling(9) )
net:add( nn.LogSoftMax() )
-- review
net:add( nn.View(347 * 15) )
net:add( nn.Linear(347 * 15, 450) )
net:add( nn.ReLU() )
net:add( nn.Linear(450, 128) )
net:add( nn.ReLU() )
net:add( nn.Linear(128, 30) )
net:add( nn.LogSigmoid() )

-- class setup
-- mean to 0, stdv to 1

criterion = nn.ClassNLLCriterion()
trainer = nn.StochasticGradient(net, criterion)
trainer.learningRate = 0.01
trainer.maxIteration = 15
trainer:train(trainset)

运行时,ClassNLLCriterion.c出现错误,assertion (cur_target >= 0 && cur_target < n_classes)出错。

此外,所有数字都是实验性的,我正在试验(这是我的第一个CNN之一)

1 个答案:

答案 0 :(得分:0)

您的目标类似乎超出了范围。您将网络定义为具有30个类作为网络的输出,但是您的列车集可能具有&lt; 1或&gt; 30个班级。

另外,请注意,在火炬类中,索引为1到N.