《基于音频和文本的多模态语音情感识别的TensorFlow实现》的项目(写的很人性化的哦！)

项目的模型使用双循环神经网络（RNN）对音频和文本序列中的信息进行编码，然后结合这些信息源中的信息来预测情感类。应用IEMOCAP数据集的时候，提出的模型将数据分配给四种情绪类别（即愤怒，快乐，悲伤和中性）中的一种方面优于以前的最先进方法，精度从68.8%到71.8%不等。
项目需求
需求
tensorflow1.4
python3.7
scikit-learn0.20.0
nltk3.3
这四个是必须的，然后还有其它的库请看截图=.=

首先这个项目是用python2.7写的，然后我也就在电脑上把python2.7.13和python3.7都安装了，适配进pycharm。然后坑的是tensorflow目前不支持python3以下的版本(oh my god!!!)，于是乎，我就开始将python3.7作为版本号，然后开始了漫长的将python2.7的语法写的代码修改为适用于python3.7的代码(ps:据说官方打算在2020年一月份停止更新python2.7，所以捏，还停留在python2.7的小伙伴们赶紧，麻溜滴将版本号切换至python3以上的吧=^=!（老项目除外）)。处理完这个之后，就开始安装各种库了(numpy,scipy,nltk,scikit-learn==0.20.0等等)。Pycharm有个好处就是：它可以直接在Pycharm软件里面添加各种库(那可是灰常方便的呀，比起在控制台用pip或者conda命令安装库方便多了！详情见图，biu~)。要哪个安装就完事了，豪！

这个项目用的数据集是IEMOCAP，此数据集的获取有一定的难度。嗯…，我还在找这个的资源，找到了之后会分享出来的，目前还没看到有谁将这个资源分享出来。。。

-----------------------------------分割线-----------------------------------------
说了这么多，开始正式介绍这个项目了。
先看下这个项目的目录结构：

之前没接触过python的项目，所以也就不知道跟Python相关的一些项目设计理念，不过看这个项目，貌似体现了一些分层设计的意思。
第一个包放的是日志，第二个包放的是数据集，第三个包放的是数据操作层
在model包下放了跟音频，文本，音频+文本相关的评估，预处理，建立模型以及训练模型的代码。
在评估数据集的代码中，输入和返回值如图：

输入的就是一些用于测试模型的数据等，返回该类数据在模型中的精确度。里面只有一个用于测试的函数，用到for循环。
在model_util中会引用到util包下的model_util中的函数功能，在此中想用哪个函数直接声明调用即可。
在预处理数据的代码中，具体是通过预处理数据来生成批处理过后的数据。
里面建立一个处理音频数据类，在类中写初始化函数，下载要用的训练集，测试集等。下载数据的函数，从数据中随机获取一批编码器和编码器输入的函数。返回输入值，有效的mfcc_step向量值等。

在建立模型的代码中，有音频的单一缩放模型，音频+文本的单编码器模型，文本的单一缩放模型。
在音频中，有建一个关于单一缩放模型的类，里面有初始化函数，设定符合要求的batch_size来使模型更好。创建单元实例，逻辑测试交叉熵。
在音频+文本中，同音频中差不多，有表示数据的格式和位置函数，创建音频模型的函数，创建文本模型的函数，创建注意模块函数（音频+文本），关于项目音频尺寸大小到文本尺寸大小。输出层的操作，优化器函数，创建摘要的函数，构建图表的函数。
在文本中，同上。
在训练模型的代码中，导入建模，预处理，评估里面写的函数，训练模型（设置参数）。创建目录的函数，主函数里写初始化参数，添加参数，调用函数来训练模型。
第四个包放的是配置文件，本项目用HTK来提取语音文件的mfcc特征，采取的特征主要是言语韵律特征，包括音高，响度，抖动等。用到了维特比算法，基于f0谐波和其它谱峰的hnr，将LLD功能输出到CSV。HTK中的hlist可以读取输出的帧周期。
第五个包放的是预处理数据的代码，数据集拆分，训练集，测试集。
第六个包放的是file_util,model_util,nlp_util.
file_util里面写了递归地搜索文件，检查文件，创建文件等函数
model_util主要写的是在给定条件下对目标向量的应用.

计算相似度，用相似性加权和（归一化），返回加权和.
nlp_util里面写的功能是将原始字典中的截止频率删除，返回新字典，通过索引可以来返回一些句子。
目前代码还不能成功运行，一方面还没找到IEMOCAP数据集的资源，一方面程序经过调试还是存在一些bug，通过后续学习希望能将bug消除光！！！