基于Matconvnet深度学习框架的方言分类（2）

续写

在前篇文章中，我简单的介绍了应当如何使用 CNN 来识别和分类语音，并简单的介绍了 matconvnet 的使用以及example的运行。在下面我会说明如何使用该框架训练和测试自己的数据。

预处理数据

在上文中，我已经介绍过先将语音样本生成二维声谱图，这样可以完美的使用 CNN 进行训练和测试数据。我们已经处理好需要使用的方言声谱图样本，即一共采集了70个县级市的方言，先使用单字进行分类，每个单字的时长均为1s，每个地方的方言样本为300个。在（1）中我们已经准备好各个尺寸的图片，如：32*32、224*224、227*227、256*256等。我们首先将方言样本送入几个经典的网络模型进行训练，最先试验的网络模型是可以训练和测试cifar数据的网络模型，在送入网络之前，我们必须要先将图片存成mat文件，即一个可以训练和测试的结构体，在下载的 matconvnet 源码中，也为我们提供了该函数，但是由于该函数相对来说稍微复杂一些，因此在 github 上找到一个简单一些的存mat文件的函数，代码段如下：

function imdb =cnn_plate_setup_data(datadir,size)
inputSize =[size,size,3];
subdir=dir(datadir);
imdb.images.data=[];
imdb.images.labels=[];
imdb.meta.classes = [];
imdb.images.set = [] ;
imdb.meta.sets