Datawhale学习组队活动 Task1

本次参加Datawhale学习组队活动，以天池比赛的“食物语音识别”为学习任务，Datawhale提供了两个baseline，一个是基于CNN的模型，另外一个是基于LSTM的模型。由于个人兴趣所致，本文选择基于LSTM模型进行学习。

1. 运行环境为：win10+python(3.8)+cuda(10.2)+torch(1.8.1)+torchvision(0.9.1)
   以下为查看方法：
   cuda：进入cmd下运行nvcc --version命令
   torch和torchvision：进入Anaconda Prompt下运行conda list torch
   python：进入Anaconda Prompt下运行python --version

2. 本次数据集的食物的声音共分为20类，具体如下所示：
   wings,soup,salmon,ribs,pizza,pickles,noddles,jelly,ice-ream,gummies,grapes,fries,drinks,chocolate,chips,carrots,candied_fruits,cabbage,burger,aloe

3. 特征提取：
   librosa是一个用于音乐和音频分析的python包。它为创建音乐信息检索系统提供了必要的构建块。

import librosa

以下为本次学习特征提取中不懂的参数，并附上语句：

melspectrogram = librosa.feature.melspectrogram(y=y, sr=sr, n_fft=2048, hop_length=1024)

y:是否为音频时间序列
sr：抽样率
n_fft：快速傅里叶窗口的长度
hop_length：连续帧的样本数

mfcc = librosa.feature.mfcc(S=librosa.power_to_db(melspectrogram), n_mfcc=20)

n_mfcc：返回MFCCs的数目
power_to_db()功率谱转换

mfcc_delta = librosa.feature.delta(mfcc)
mfcc_delta_delta = librosa.feature.delta(mfcc_delta)
mfcc_comb = np.concatenate([mfcc, mfcc_delta, mfcc_delta_delta], axis=0)

detal：特征的动态信息。相当于在时间轴上的斜率。
aixs：表示跨行计算。

4. 基于LSTM的baseline文件
   本次用的baseline采用的是隐含为128层，循环层为30层，最终为1个输出。

self.hidden_size = 128
self.bn_dim = 30
self.num_layers = 1
self.lstm = nn.LSTM(input_size=self.d_input, hidden_size=self.hidden_size, num_layers=self.num_layers,bidirectional=False, bias=True, batch_first=True)

5. 出现问题：
   执行训练模型过程中出现警告，如下所示：注意这个是警告并不是错误。指在预测标签中就没有 1 这个标签。
   UndefinedMetricWarning: Precision and F-score are ill-defined and being set to 0.0 in labels with no predicted samples. Use zero_division parameter to control this behavior.

可以在.py文件里面添加如下代码：

import warnings
warnings.filterwarnings("ignore")

6. 总结：本次对baseline进行学习，可能因为0基础开始，有些代码不是很清楚什么意思，但是Datawhale对于baseline的说明很详细。但是，不知道是个人原因还是程序问题。我没有找到如何执行测试集的.py文件，训练完毕后，我不知道该怎么办了？