Question

我是使用Keras框架实现神经网络的新手，我也检查了一些关于Tensorflow的基本内容。

我试图弄清楚如何将我的训练数据（.wav文件的mfcc coeffs）分成批量以适合我的模型，以及如何处理不同持续时间的样本（因此以mfcc格式处理不同形状）。 / p>

我在Tensorflow中遇到了以下代码片段，但我无法理解它是如何工作的，以便在Keras中实现类似的功能。任何帮助将代码“转换”为Keras逻辑或通常用于我的问题都将非常感激。谢谢。

    label = [] # output label of each file 
    mfcc_file = [] # filenames of all .npy files containing mfcc coeffs

    # Load from corresponding files and fill in label, mfcc_file
    # .... 

    # to constant tensor
    label_t = tf.convert_to_tensor(label)
    mfcc_file_t = tf.convert_to_tensor(mfcc_file)

    # create queue from constant tensor
    label_q, mfcc_file_q \
        = tf.train.slice_input_producer([label_t, mfcc_file_t], shuffle=True)

    # create label, mfcc queue
    label_q, mfcc_q = self.load_mfcc([label_q, mfcc_file_q])

    # create batch queue with dynamic pad
    batch_queue = tf.train.batch([label_q, mfcc_q], batch_size,
                                 shapes=[(None,), (20, None)],
                                 num_threads=64, capacity=batch_size*32,
                                 dynamic_pad=True)

    # split data
    self.label, self.mfcc = batch_queue
    # batch * time * dim
    self.mfcc = self.mfcc.sg_transpose(perm=[0, 2, 1])
    # calc total batch count
    self.num_batch = len(label) // batch_size

    # print info
    tf.sg_info('%s set loaded.(total data=%d, total batch=%d)'
               % (set_name.upper(), len(label), self.num_batch))

Keras - 如何处理不同长度的波输入，将训练数据分成批次

0 个答案: