首页 文章

使用Keras中的Conv1D处理长音频信号

提问于
浏览 次
2

我有一个很长的音频信号 x 这是100000个样本的一维列表 .

为简单起见，假设我想做的就是用长度为15的滤波器进行卷积，最后输出100000个样本的目标滤波信号 y .

所以基本上，我正在尝试使用1D CNN进行 y = conv(x, h) ，并且过滤器 h 将被训练 .

在Keras这样做的最佳方法是什么？我找到的所有例子似乎都是"Each of the samples is a sequence of length 400 words, and convolution is run along that sequence of 400 words" . 从那以后，似乎我唯一的选择就是将音频信号分解成大小为 sequence_length 的块，但我真的宁愿避免这种情况，因为我基本上只有1个长度为100000的输入序列 .

理想情况下，代码看起来像

import matplotlib.pylab as P
from keras.models import Model
from keras.layers import Conv1D, Input

x_train = P.randn(100000)
y_train = 2*x_train
x_val = P.randn(10000)
y_val = 2*x_val

batch_size = 64

myinput = Input(shape=(None, 1)) # shape = (BATCH_SIZE, 1D signal)
output = Conv1D(
    1, # output dimension is 1
    15, # filter length is 15
    padding="same")(myinput)

model = Model(inputs=myinput, outputs=output)

model.compile(loss='mse',
              optimizer='rmsprop',
              metrics=['mse'])


model.fit(x_train, y_train,
          batch_size=batch_size, epochs=100, shuffle=False,
          validation_data=(x_val, y_val))

当然，这里的大问题是正确地塑造事物 .

audio neural-network keras convolution keras-layer

1 回答

  • 3

    你完全走在正确的轨道上 .

    虽然你有一个声音样本，但keras仍然认为你有很多 . 解决方案只是在输入中有一个维度 .

    此外，keras会期望卷积数据具有“通道” . 如果您只有一个通道（例如，不是立体声），那么，它的值为1 .

    因此，您的输入数据应该形如：

    • (1, 100000, 1) - 如果使用 data_format='channels_last' （默认）

    • (1, 1, 100000) - 如果使用 data_format='chanels_first'

    这意味着：1个长度为100000且一个通道的信号样本 .

    模型中的所有其余部分对于任务来说似乎都很好 .

    如果你的记忆不能立刻支持整个数据，那你就好了 . （请注意，在划分时，使用 padding='valid' 可能会获得更好的结果，因为"same"会在剪切中添加大量边框效果） .

    您可能有兴趣阅读WaveNet及其相关文章 .

    他们使用具有扩张率的堆叠卷积层 .

    回复于

相关问题