零基础入门语音识别-食物声音识别Task4

零基础入门语音识别-食物声音识别

CNN（卷积神经网络）模型的搭建与训练。

Task4 CNN模型搭建训练个人理解打卡

本次新人赛是Datawhale与天池联合发起的零基础入门系列赛事第八场 —— 零零基础入门语音识别-食物声音识别挑战赛。
baseline由开源学习组织Datawhale提供
https://github.com/datawhalechina/team-learning

在task4里我细化学习了CNN网络的搭建和代码实现，对CNN在baseline中的初步了解在Task1中就有所提及，那今天的打卡就让我们来聊聊关于CNN的“爱恨情仇”吧！

又见CNN

CNN （Convolutional Neural Networks）卷积神经网络，是一类包含卷积计算且具有深度结构的前馈神经网络。
它的基本架构如下所示

1)输入层：用于数据的输入

2)卷积层：使用卷积核进行特征提取和特征映射------>可以多次重复使用

3)激励层：由于卷积也是一种线性运算，因此需要增加非线性映射(也就是激活函数)

4)池化层：进行下采样，对特征图稀疏处理，减少数据运算量----->可以多次重复使用

5）Flatten操作：将二维的向量，拉直为一维的向量，从而可以放入下一层的神经网络中

6)全连接层：通常在CNN的尾部进行重新拟合，减少特征信息的损失----->DNN网络

而在上述的结构里对卷积层与池化层的作用可以用下图来描述。

搭建CNN网络并训练

在baseline中，我先将其按师兄师姐的指导跑通后，对代码进行个人理解

我们先建立数据处理库，绘图库等基本库，分类训练集和测试集。

%matplotlib inline#实现程序内嵌绘图，省略pit.show步骤

再用keras¹来搭建神经网络。

再搭建好CNN模型后，我们要调用咀嚼音频训练集来训练搭建好的模型，在进行测试集的测试，便能够得到机器预测的结果了

如果希望数据的准确率更高，你还可以进一步地配置你的优化器.complies())。Keras 的核心原则是使事情变得相当简单，同时又允许用户在需要的时候能够进行完全的控制（终极的控制是源代码的易扩展性）。

---

1. Keras 是一个用 Python 编写的高级神经网络 API，它能够以 TensorFlow, CNTK, 或者 Theano 作为后端运行。现在Keras已经和TensorFlow合并，可以通过TensorFlow来调用。Keras 的核心数据结构是 model，一种组织网络层的方式。最简单的模型是 Sequential 顺序模型，它由多个网络层线性堆叠。对于更复杂的结构，你应该使用 Keras 函数式 API，它允许构建任意的神经网络图。 ↩︎