Skip to main content
 首页 » 编程设计

python之将 mp3 文件格式化为 CNN 机器学习的频谱图

2025年04月02日15qq号

我从使用 MNIST 数据集中获得了很多乐趣并学到了很多东西,但我想扩展到使用我自己的训练数据,我将 theano 与 keras 结合使用。但是,我在概念化如何创建训练数据方面遇到了极其困难的时期。

我查看了 MNIST 的结构,发现作为数据,它的第一部分是图像的分类,其余部分是从 0 到 100 的单个像素亮度。

我的第一个想法是使用像 this 这样的频谱图或 this但我不明白的是如何构建数据以便 CNN 可以读取它。有什么想法或建议吗?

请您参考如下方法:

我可能无法准确回答这个问题。

我将尝试解释 MNIST 数据集的格式,我将采用以下示例。

假设您希望对训练数据中具有四个不同类别标签的图像进行分类 -> car、bike、bus 和 飞机。 所有图像都是彩色图像,每个 RGB 具有 255 个像素值。我排除了亮度/不透明度值作为此示例的属性。所有图像都已标准化,尺寸为 28x28(只是任意尺寸)。这给了我们 784 个像素,因为每个像素都有 3 个 RGB 值,所以这给了我们 784x3 = 2352 个属性值。

每个实例(在 MNIST 数据集中)的输出表示为一个热向量表示。汽车、自行车、公共(public)汽车和飞机的 1 个热矢量表示分别为 1000、0100、0010 和 0001。

假设 MNIST 数据集有 1000 个实例用于训练,那么它将采用以下结构。它将由 1000 个元组组成,其中每个元组都是一个输入向量(2352 个属性长)和一个输出向量(一个热表示,4 个属性长)的组合。

这是为了更加清楚。

([12, 51, 16, 17, ......., 12], [0, 0, 1, 0])

([55, 125, 71, 244, ....., 10], [1, 0, 0, 0])

……

元组中的第一个列表长度为 2352,元组中的第二个列表长度为 4。总共有 1000 个元组,每个元组代表一个训练实例。

如果你愿意,可以看看这个code其中我创建了一个类似于 MNIST 格式的数据集。