Task4 打卡深度识别

学习目标：

深度学习模型搭建与训练

---

学习内容：

今天重点在于建立模型，搭建框架并进行训练。
其中很重要的一个API是Keras。 Keras是一个高层神经网络API，Keras由纯Python编写而成并基Tensorflow、Theano以及CNTK后端。Keras 为支持快速实验而生，能够把你的idea迅速转换为结果。Keras具有高度模块化，极简，和可扩充特性。

以下是导包代码

import pandas as pd
import numpy as np
pd.plotting.register_matplotlib_converters()
import matplotlib.pyplot as plt
%matplotlib inline
import seaborn as sns
from sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report
from sklearn.model_selection import GridSearchCV
from sklearn.preprocessing import MinMaxScaler

#深度学习框架
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv2D, Flatten, Dense, MaxPool2D, Dropout
from tensorflow.keras.utils import to_categorical 
from sklearn.ensemble import RandomForestClassifier
from sklearn.svm import SVC
import tensorflow as tf
import tensorflow.keras

#音频处理库
import os
import librosa
import librosa.display
import glob 

接下来通过建立音频提取函数（遍历数据集的所有文件）


下面是重头戏，搭建CNN网络
CNN的结构分为六层
输入层，卷积层，激励层，池化层，Flatten操作和全连接层

搭建神经网络就像搭积木一样，用.add()来搭建

紧接着就是模型训练和预测测试集

---

学习时间：

2021年4月20号

---

学习产出：

对深度学习有了更深的了解，体验了搭建CNN网络并训练和预测测试。