lovelycation星音攻略

重要的是要知道，真正的语音和音频识别系统要复杂得多，但是像M鲍伊酷雪NIST（入门级的CV数据集）一样，它应该会让你对所涉技术有一个基本的了解。完成本教程后，你将可以共磨愆裆尝试创建一个模型，将一秒钟的音频剪辑去噪，识别单词有“yes”，“no”，“up”，“down”，"left"，"right"，"on"，"off"，"stop"，or "go"。你也可以在Android应用程序中运行该模型。准备你要确保已经安装了TensorFlow，由于该版本下载了超过1GB的训练数据，因此你需要电脑有足够的内存，另外网速要快，训练过程可能需要几个小时。训练要开始训练过程，请访问TensorFlow源代码树并运行：python tensorflow/examples/speech_commands/train.py训练过程将从下载“ 语音命令”数据集开始，该数据集由65000个WAVE音频文件组成，其中有30个不同的单词。这些数据是由Google收集的，并根据CCBY许可证发布。存档超过1GB，所以下载可能需要一段时间，但你应该能看到进度日志，一旦下载完成，你就不用再次执行此步骤了。下载完成后，你将看到如下所示的日志记录信息：I0730 16:53:44.766740 55030 train.py:176] Training from step: 1I0730 16:53:47.289078 55030 train.py:217] Step #1: rate 0.001000, accuracy 7.0%, cross entropy 2.611571这表明初始化过程已经完成，循环训练已经开始。你会看到它输出每个训练步骤的信息。步骤分解：Step #1表明我们正在循环训练的第一步。在这种情况下，总共将有18000个步骤，所以你可以查看步骤号码，了解其完成程度有多接近。rate 0.001000是控制网络权重更新速度的学习率。早期的这个数字是相对较高的（0.001），但是对于后来的训练周期，它会减少10倍到0.0001。accuracy 7.0%在这个训练步骤中正确地预测了有多少classes。value函数往往波动很大，但随着训练的进行，平均值会增加。该模型输出一个数字数组，每个标签一个，每个数字是该类输入的预测可能性。通过选择具有最高分数的条目来选择预测的标签，分数总是在零和一之间。cross entropy 2.611571是我们用来指导培训过程的损失功能的结果。这是通过比较当前训练运动与正确标签的分数向量获得的分数，这在训练期间应该向下倾斜。经过一百步，你应该看到这样的一行：I0730 16:54:41.813438 55030 train.py:252] Saving to "/tmp/speech_commands_train/conv.ckpt-100"这是将当前训练的权重保存到checkpoint文件中。如果你的训练脚本中断，可以查找最后保存的checkpoint，然后：--start_checkpoint=/tmp/speech_commands_train/conv.ckpt-100使用命令行参数重新启动脚本， 从那里开始。混淆矩阵：四百步后，将记录以下信息：I073016:57:38.07366755030train.py:243]ConfusionMatrix:[[25800000000000][762694749115402011][10110780132201310104][131616364805101017][1511711455130922509][11697387112460010][8686841324199106][933211292613619009][8212949520672002][161397429420637903][156177150370632219][111615154208160020]]第一部分是混淆矩阵。要了解这是什么意思，你首先需要知道正在使用的标签，在这种情况下，它们分别表示为静音、未知yes、no、up、down、left、right、on、off、stop、go。第一行是所有的静音剪辑，第二个剪辑是未知的单词，第三个“yes”等。该矩阵可以比单个准确率得分更有用，因为它可以很好地总结出网络发生的错误。在此示例中，你可以看到除了初始条目之外，第一行中的所有条目都为零。因为第一行实际上都是静音的片段，所以这意味着它们都没有被错误的标注为文字，所以我们没有任何静音的否定。这表明网络已经越来越好地区分了静音与谈话。一个完美的模型将产生一个混淆矩阵，其中所有的条目都是从对角线穿过中心的零点。一旦你确定了可以通过添加更多数据来解决问题，该模型的方差可以帮助你了解模型怎样最容易混淆。验证混淆矩阵之后，你会看到如下一行：I0730 16:57:38.073777 55030 train.py:245] Step 400: Validation accuracy = 26.3% (N=3093)将数据集分为三类是很好的做法。最大的（大约是数据的80％）用于训练网络，一个较小的集（10％“validation”）被保留用于评估训练中的准确性，另一组10％，“testing”）用于在训练完成后评估准确度。通过将数据集分类为训练集、验证集、测试集，你可以确保该模型适用于之前从未见过的数据。测试集是一个额外的保障措施，以确保不仅仅是以适用于训练和验证集拟合调整模型。训练脚本将数据集自动分成这三个类别，上面的记录行显示了在验证集上运行时的模型准确率。理想情况下，这应该与训练准确性相当接近。如果训练准确性增加但验证不是这样，这表明过度拟合正在发生，你的模型只是学习关于训练剪辑的东西，而不是真正的训练模式。Tensorboard使用Tensorboard可以看出训练进展。默认情况下，脚本将事件保存到/ tmp / retrain_logs，可以通过运行以下命令来加载它们：tensorboard --logdir /tmp/retrain_logs然后在浏览器中导航到 http：// localhost：6006，将看到显示模型进度的图表。