如何重塑语音数据作为LSTM输入？

Question

我正在对语音数据中的语音和非语音进行分类，每个语音数据中都有3630371个数据点和39个特征。即语音数据的形状为（3630371，39）。我如何将其重塑为LSTM输入。 3D input_shape必须是什么，或者“样本”，“时间步长”和“功能”的值是什么。

以下正确吗？

data.reshape(3630371, 1, 39)
LSTM(32, input_shape = (1, 39))

请帮助！我不知道。

Answer 1

LSTM输入：(no of samples, timesteps, features)

data.reshape(3630371, 1, 39)
LSTM(32, input_shape = (1, 39))

在上面的代码中，您实际上只有1个时间步，而没有利用LSTM的功能。您正在做的是：第一步中的LSTM将39维向量作为输入并终止迭代。

另一个选择是给出39个时间步长的标量。

data.reshape(3630371, 39, 1)

这里LSTM循环了39次（39个时间步长），但每个时间步长都以标量作为输入。

实际上，任何其他组合都可以使用，直到no_timestep x feature_dim = total_input_dimension。通常，这在很大程度上取决于您正在使用的域来修复这些数字。