| 【代码吸猫】神经网络喵语识别 | 您所在的位置：网站首页 › 搜索喵星人人的二十 › 【代码吸猫】神经网络喵语识别 |
【代码吸猫】神经网络喵语识别
|
一起用代码吸猫！本文正在参与【喵星人征文活动】。 喵语数据集链接： 数据集 论文 米兰大学计算机系的研究人员收集了两个品种（缅因州库恩猫和欧洲短毛猫）的21只喵星人的440份声音。 这些喵星人处在3种状态之下： 刷牙：猫被主人在家中刷牙 在陌生环境中隔离：猫被主人转移到陌生环境中。（尽量缩短距离，采用常规运输方式，以避免给动物带来不适。旅程持续不到30分钟，猫被允许与主人一起不超过30分钟，以从运输中恢复过来，然后被隔离在不熟悉的环境中，在那里它们最多独处5分钟） 等待食物：主人在猫咪熟悉的正常环境中开始准备喂食的操作另外，每条声音文件提供的信息还包括： 猫的唯一ID； 品种 性别（女性，完整；女性，绝育；男性，完整；男性，绝育） 猫主人的唯一ID 录音场次 发声计数 神经网络喵语识别接下来，利用该喵语数据集，使用 MegEngine 构建神经网络进行分类，根据喵叫声判断喵星人所处的状态。 数据处理将下载好的喵语数据集放到路径 ./data/ 中。首先将声音文件转换为特征值。 声音文件长度为 1~2 秒，转换之后可以得到至少 8600 个特征值。掐头去尾，取中间 8000 个值作为特征。 取 80% 的文件作为训练集，其他作为测试集。 代码如下： import os import wave import numpy as np import random def file_name(file_dir): """ 获取文件夹中所有文件文件名 """ for _, _, files in os.walk(file_dir): return files def Read_WAV(wav_path): """ 将声音文件转换为特征值 """ wav_file = wave.open(wav_path,'r') numframes = wav_file.getnframes() # 采样点数 Wav_Data = wav_file.readframes(numframes) Wav_Data = np.fromstring(Wav_Data,dtype=np.int16) return Wav_Data # 读取数据 data = [] data_path = "./dataset/" for f in file_name(data_path): s = Read_WAV(data_path + f) s = (s - min(s)) / (max(s) - min(s)) # 归一化处理 # 制作标签 if f[0] == 'B': label = 0 elif f[0] == 'F': label = 1 elif f[0] == 'I': label = 2 else: print("error " + f) continue # 取中间 8000 个值作为特征 begin = (s.shape[0] - 8000) // 2 s = s[begin : begin + 8000] data.append([s, label]) random.shuffle(data) # 打乱数据 # 划分训练集和测试集 train_data = data[:352] test_data = data[:352:] 创建数据读取器需要自定义一个 DataSet 类，并重写 __len__ 和 __getitem__ 方法 from megengine.data import DataLoader from megengine.data.dataset import Dataset from megengine.data.sampler import RandomSampler, SequentialSampler # 自定义DataSet class myDataSet(Dataset): def __init__(self, data): self.data = data def __len__(self): return len(self.data) def __getitem__(self, index): return self.data[index][0], self.data[index][1] trainData = myDataSet(train_data) testData = myDataSet(test_data) batch_size=64 train_sampler = RandomSampler(trainData, batch_size=batch_size) test_sampler = SequentialSampler(testData, batch_size=batch_size) train_dataloader = DataLoader(trainData, train_sampler) test_dataloader = DataLoader(testData, test_sampler) 构建神经网络构建一个简单的全连接神经网络。 import megengine.module as M import megengine.functional as F class myNet(M.Module): def __init__(self): super().__init__() self.fc1 = M.Linear(8000, 2048) self.fc2 = M.Linear(2048, 512) self.fc3 = M.Linear(512, 64) self.classifier = M.Linear(64, 3) self.relu = M.ReLU() def forward(self, x): x = F.flatten(x, 1) x = self.relu(self.fc1(x)) x = self.relu(self.fc2(x)) x = self.relu(self.fc3(x)) x = self.classifier(x) return x # 实例化网络 net = myNet() 训练开始训练网络了~ from megengine.optimizer import SGD from megengine.autodiff import GradManager import numpy as np import megengine as mge optimizer = SGD(net.parameters(), lr=0.01, momentum=0.9, weight_decay=5e-4) gm = GradManager().attach(net.parameters()) losses = [] net.train() total_epochs = 300 for epoch in range(total_epochs): total_loss = 0 for step, (batch_data, batch_label) in enumerate(train_dataloader): batch_data = mge.tensor(batch_data) batch_label = mge.tensor(batch_label).astype(np.int32) with gm: pred = net(batch_data) loss = F.loss.cross_entropy(pred, batch_label) gm.backward(loss) optimizer.step().clear_grad() total_loss += loss.numpy().item() if epoch % 50 == 0: print("epoch: {}, loss {}".format(epoch, total_loss/len(trainData))) losses.append(total_loss/len(train_data)) 绘制 loss 曲线可以看到，训练 300 个 epoch 后，loss 已经趋于稳定 但是 loss 并没有明显的下降... import matplotlib.pyplot as plt x = [i for i in range(len(losses))] plt.plot(x, losses) plt.show()最终模型识别的准确率只有 51.42% QAQ 比起论文里其他方法 95% 的准确率，差得有点远 net.eval() correct = 0 for step, (batch_data, batch_label) in enumerate(train_dataloader): batch_data = mge.tensor(batch_data) pred = net(batch_data) pred = pred.numpy() correct += np.sum(np.argmax(pred, axis= 1) == batch_label) print(correct / len(test_data) * 100) 总结第一次使用 MegEngine 构建网络并进行训练，感觉训练速度很快，代码的编写流程和其他框架也很相似，还是很好上手的。 第一次使用，所以就只尝试了简单的全连接神经网络，得到的准确率也不是很好，之后可以尝试其他模型，提高准确率。 |
【本文地址】
公司简介
联系我们