任務介紹：

數據預處理:從原始波形中提取MFCC特征(TAs已經做了!)
分類:使用預先提取的MFCC特征進行幀級音素分類

任務:多級分類
從語音中進行基于框架的音素預測

數據：

由于每一幀只包含25毫秒的語音，因此單個幀不可能代表一個完整的音素
通常，一個音素會跨越幾個幀
將相鄰的音素連接起來進行訓練

?每一段是39長度的向量。 將相鄰的音素連接起來進行訓練，然后會給出前后五段的數據，也就是我們有11*39 = 429 維度的一個特征，根據這個特征去做分類 。

libriphone/

• train_split.txt (train metadata)

• train_labels.txt (train labels)

• test_split.txt (test metadata)

• feat/ （pt文件，張量）

  • train/

  • test/

1.修改參數

2.修改網絡，增加歸一化和dropout

總結

以上是生活随笔為你收集整理的李宏毅2022hw2的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。