睡眠音频分割及识别问题(九)--Android下的YAMNet
生活随笔
收集整理的這篇文章主要介紹了
睡眠音频分割及识别问题(九)--Android下的YAMNet
小編覺得挺不錯的,現在分享給大家,幫大家做個參考.
部署PANNs模型面臨的問題
在使用PANNs模型時,在PC端可以較好的運行,可是在Android端運行的時候,編譯過程提示缺少libpytorch_jni.so文件,導致無法加載模型,無法預測。(如果有讀者可以解決這個問題,請在評論中留言,萬分感謝!)
PANNs的.pt模型文件大約30M,需要轉換為Android端的torchscript文件,轉換過后大約40M,加上pytorch框架可能會上50M。
部署YAMNet模型
- 由于無法使用PANNs,我們嘗試將YAMNet部署到Android中。由于Android對Tensorflow的支持較好(可以通過編輯器直接導入模型),所以順利的完成了YAMNet在Android上的部署。
- 最終編譯出來的APK文件大小為21.2M。
測試YAMNet模型
在Android上使用0.975s的16kHz采樣率音頻數據測試,即一組全0的數組,形狀為(1,15600)。得到結果如下所示:
小結
Pytorch對Andorid移動端不太友好,導致PANNs模型部署不成功;然后我們就轉向了基于Tensorflow的YAMNet框架,后面嘗試使用Java處理長音頻數據,對音頻進行重采樣處理等操作。
總結
以上是生活随笔為你收集整理的睡眠音频分割及识别问题(九)--Android下的YAMNet的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: NSA-LDL论文修改建议2021102
- 下一篇: python 服务注册_python注册