Question

我正在使用Python来隔离音乐中的元素。训练模型，我将音频分成帧，每个帧都有一个标签 - 1或0.不幸的是，由于舍入错误，我的标签总是短或1或2帧。

将我的音频转换为帧，我的值为（13,3709）

    s = [] 
    for y in audio:
        mfcc = librosa.feature.mfcc(y= y, sr = 16000, n_mfcc=13, n_fft=2048, hop_length = 1024)
        s.append(mfcc)

将我的文本文件（对于我正在使用的mp3）从毫秒转换为帧数，我得到一个3708的向量值。

    output = []              
    for block in textCorpus:
        block_start = int(float(block[0]) * 16000 / 1024)   # Converted to frame number
        block_end = int(float(block[1]) * 16000 / 1024)     # Converted to frame number
        singing = block[2]
        block_range = np.arange(block_start, block_end, 1)  # Step size is 1 (per frame number)
# extraneous code

我尝试在Decimal和math.floor变量中使用math.ceil，block_start和block_stop，但我似乎无法匹配我的音频帧长。

Answer 1

使用标准库中的Fraction包： https://docs.python.org/2/library/fractions.html

对于精确有理数运算很有用。

Answer 2

如果您按顺序获取块，也许您可以放弃乘法和除法，只需通过简单的添加来解决它们：

def labelToFrames(textCorpus):
    output    = []  
    offset    = 0
    increment = 0.064           # or 1024/16000      
    for block in textCorpus:
        block_start = block[0]   
        block_end   = block[1]    
        singing     = block[2]
        while offset < block_end:
            ms_start = '{0:.3f}'.format(offset) 
            offset   = min(block_end,offset + increment)          
            ms_end   = '{0:.3f}'.format(offset)   
            add_to_output = [ms_start, ms_end, singing]
            output.append(add_to_output)
    return output

机器学习 - 解决Python舍入错误的任何建议？

2 个答案: