大佬代码在这
我也是个垃圾，初学者练习这个项目，我认为第一步是熟悉这个平台的使用，这种云编程不同于pycharm，初学者可能会感觉十分别扭（比如垃圾的我），所以我在这个笔记里尽可能详细的说一下如何让大佬代码在自己的notebook里跑一边，只有知道了总体流程，才能写出属于自己的东西。

强调一下，代码是大佬的，我们只是借鉴一下，所以想要有所进步，还需要自己的努力。
零基础入门语音识别——食物声音识别
打开我给的连接，会是这个样子
![在这里插入图片描述](https://img-blog.csdnimg.cn/eabb06b2c546490d843e3b74b10

该注册的注册，该登录的登录。
然后报名参赛。
以后就可以在自己的个人中心找到了

进入比赛，点击论坛，新建notebook（建议用这种方式新建，因为这样你的notebook会自动挂载比赛所需要的数据集，当然，今天跑的代码不需要）

然后会是这样的，可以在左下角新建，这时，你的代码是无法修改的，记住带点击右上角的编辑，进入notebook，

进入以后把这些没用的删了，用小剪刀这个工具，

然后点击+号，新建cell，把这篇文章开头的链接的大佬的代码复制过去，不要漏，然后从上往下，依次运行（单个三角形），注意一定要确定当前这个框里的代码全部跑完再运行下一行。

这个*号代表正在运行，

空的代表没有运行，

数字代表的是成功运行的，注意数字的顺序，一定要的按顺序的，如果出现12324这种，代表你分步运行时出错了，
当然，你也可以点击双三角
直接运行所有，但是我觉得初学者还是一步一步的看到代码运行的状态，对学习帮助更好一些（因人而异把）

特别强调，对于基本没有接触过深度学习的小白来说，代码运行时间绝对会是一个难忘的经历，我运行了

运行成功了

好了，现在开始进行解释：

!wget http://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/531887/train_sample.zip

!wget你可以理解为netebook用来下载数据的命令

!unzip -qq train_sample.zip
!\rm train_sample.zip

使用unzip函数解压缩，通过\rm将压缩包删除
所以，对于训练集和测试集，我们先下载好压缩包，解压后删除原本压缩包。

# 基本库

import pandas as pd
import numpy as np

from sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report
from sklearn.model_selection import GridSearchCV

from sklearn.preprocessing import MinMaxScaler

1、train_test_split返回切分的数据集train/test。
将训练集划分为训练集和测试集，这点和机器学习相同。
随机划分样本数据为训练集和测试集的，当然也可以人为的切片划分。

2、
sklearn.metrics里面会有很多的评价指标，即用于检验机器学习模型效果的定量指标。
sklearn中的classification_report函数用于显示主要分类指标的文本报告．在报告中显示每个类的精确度，召回率，F1值等信息。

3、GridSearchCV，它存在的意义就是自动调参，只要把参数输进去，就能给出最优化的结果和参数。
（GridSearchCV的名字其实可以拆分为两部分，GridSearch和CV，即网格搜索和交叉验证。这两个名字都非常好理解。网格搜索，搜索的是参数，即在指定的参数范围内，按步长依次调整参数，利用调整的参数训练学习器，从所有的参数中找到在验证集上精度最高的参数，这其实是一个训练和比较的过程。）

4、MinMaxScaler的功能是将每个元素（特征，feature）转换成给定范围的值。
（对数据进行预处理的，主要功能可以概括成标准化和归一化。MinMaxScaler是一个归一化的函数，可以将范围所放在指定的范围区间内）

# 加载深度学习框架（搭建分类模型所需要的库）
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv2D, Flatten, Dense, MaxPool2D, Dropout
from tensorflow.keras.utils import to_categorical 
from sklearn.ensemble import RandomForestClassifier
from sklearn.svm import SVC

#加载音频处理库
pip install librosa --user

# 其他库
import os
import librosa
import librosa.display
import glob 

加载深度学习框架（搭建分类模型所需要的库）

keras系列︱Sequential与Model模型、keras基本结构功能（一）
sklearn.ensemble库,支持众多集成学习算法和模型。
RandomForestClassifier是非常具有代表性的Bagging集成算法，它的所有基评估器都是决策树，分类树组成的森林就叫做随机森林分类器，回归树所集成的森林就叫做随机森林回归器。

sklearn.svm库支持向量机，主要用于分类，回归和异常检测。SVC全称是C-Support Vector Classification，是一种基于libsvm的支持向量机，由于其时间复杂度为O(n^2)，所以当样本数量超过两万时难以实现。
keras网络结构（关于keras先了解一下，我学习后再做笔记）

#加载音频处理库
pip install librosa --user
下面的感兴趣仔细看一下，不想看的话就跳过吧，反正知道这个库时用来处理声音数据的就行了，大佬的代码里用到的东西，我还会再仔细说明的。
原文在这里

其他：
os 是python环境下对文件，文件夹执行操作的一个模块。

librosa.display模块并不默认包含在librosa中,使用时要单独引入，是用来做音频特征的显示。

glob是UNIX程序，用来匹配路径文件名

好了，现在我们已经把数据集下载好了，并且把要用到的库也导入了，该进行数据集的处理了

#特征提取及数据集的创建
feature = []
label = []
# 建立类别标签，不同类别对应不同的数字。
label_dict = {'aloe': 0, 'burger': 1, 'cabbage': 2,'candied_fruits':3, 'carrots': 4, 'chips':5,
                  'chocolate': 6, 'drinks': 7, 'fries': 8, 'grapes': 9, 'gummies': 10, 'ice-cream':11,
                  'jelly': 12, 'noodles': 13, 'pickles': 14, 'pizza': 15, 'ribs': 16, 'salmon':17,
                  'soup': 18, 'wings': 19}
label_dict_inv = {v:k for k,v in label_dict.items()}

做好上述准备以后，我们开始进入数据的特征提取，首先建立特征值矩阵，以及标签矩阵，给不同的声音建立类别名称以及唯一的数字编号与之对应，然后将数字编号和类别调换位置，从矩阵的角度看是逆矩阵

from tqdm import tqdm
def extract_features(parent_dir, sub_dirs, max_file=10, file_ext="*.wav"):
    c = 0
    label, feature = [], []
    for sub_dir in sub_dirs:
        for fn in tqdm(glob.glob(os.path.join(parent_dir, sub_dir, file_ext))[:max_file]): # 遍历数据集的所有文件
            
           # segment_log_specgrams, segment_labels = [], []
            #sound_clip,sr = librosa.load(fn)
            #print(fn)
            label_name = fn.split('/')[-2]
            label.extend([label_dict[label_name]])
            X, sample_rate = librosa.load(fn,res_type='kaiser_fast')
            mels = np.mean(librosa.feature.melspectrogram(y=X,sr=sample_rate).T,axis=0) # 计算梅尔频谱(mel spectrogram),并把它作为特征
            feature.extend([mels])
            
    return [feature, label]

Tqdm 库，它是一个快速,可扩展的Python进度条,可以在 Python 长循环中添加一个进度提示信息,用户只需要封装任意的迭代器 tqdm(iterator)。
你在notebook里面看到的红色的进度条就是这个库，防止深度学习时间太长，而你认为电脑卡住了。。。。如下就是在notebook里面的表现。

定义一个函数extract_features对输入的路径下的音频文件提取特征值
对定义的函数里面一些函数的解释：
1、glob.glob链接在这
glob.glob(pathname) 返回所有匹配的文件路径列表。它只有一个参数 pathname，定义了文件路径匹配规则，这里可以是绝对路径，也可以是相对路径。用这个函数返回文件路径的信息，链接里面例子挺好的。

2、python路径拼接os.path.join()函数的用法链接在这

在大佬的代码里，大佬按照顺序把父目录，子目录，文件拼接成一条路径，方便后续操作。
3、librosa.load官方文档链接
链接是librosa官方文档，十分全面，如果只想看.load的内容点击这里

res_type=‘kaiser_fast’：高速度

4、librosa.feature.melspectrogram
计算梅尔频谱(mel spectrogram),并把它作为特征

这个函数的返回值[feature, label]，特征和标签

函数已经定义好了，接下来开始使用了

# 自己更改目录
parent_dir = './train_sample/'
save_dir = "./"
folds = sub_dirs = np.array(['aloe','burger','cabbage','candied_fruits',
                             'carrots','chips','chocolate','drinks','fries',
                            'grapes','gummies','ice-cream','jelly','noodles','pickles',
                            'pizza','ribs','salmon','soup','wings'])

# 获取特征feature以及类别的label
temp = extract_features(parent_dir,sub_dirs,max_file=100)

上面这段代码就不细讲了，调用函数罢了。
。
。
。
将特征矩阵创建为ndarray数组，这是利用了numpy相较于python的array （对象实际为指向内存位置的指针）的计算的优势，并将得到的数组进行转置。

temp = np.array(temp)
data = temp.transpose()

。
。
。

# 获取特征
X = np.vstack(data[:, 0])

# 获取标签
Y = np.array(data[:, 1])
print('X的特征尺寸是：',X.shape)
print('Y的特征尺寸是：',Y.shape)

np.vstack函数的作用是按垂直方向(行顺序)堆叠数组构成一个新的数组，

# 在Keras库中：to_categorical就是将类别向量转换为二进制（只有0和1）的矩阵类型表示
Y = to_categorical(Y)

。
。
。

'''最终数据'''
print(X.shape)
print(Y.shape)

。
。
。

X_train, X_test, Y_train, Y_test = train_test_split(X, Y, random_state = 1, stratify=Y)
print('训练集的大小',len(X_train))
print('测试集的大小',len(X_test))

说一下random_state = 1，计算机伪随机，需要种子，然后还有一个参数，怕你不好找，我截图了。

这是翻译：

。
。
。

X_train = X_train.reshape(-1, 16, 8, 1)
X_test = X_test.reshape(-1, 16, 8, 1)

。
。
。

建立模型

搭建CNN网络

准备工作做了那么多，该进行和深度学习有关的知识了。

model = Sequential()

# 输入的大小
input_dim = (16, 8, 1)

model.add(Conv2D(64, (3, 3), padding = "same", activation = "tanh", input_shape = input_dim))# 卷积层
model.add(MaxPool2D(pool_size=(2, 2)))# 最大池化
model.add(Conv2D(128, (3, 3), padding = "same", activation = "tanh")) #卷积层
model.add(MaxPool2D(pool_size=(2, 2))) # 最大池化层
model.add(Dropout(0.1))
model.add(Flatten()) # 展开
model.add(Dense(1024, activation = "tanh"))
model.add(Dense(20, activation = "softmax")) # 输出层：20个units输出20个类的概率

# 编译模型，设置损失函数，优化方法以及评价标准
model.compile(optimizer = 'adam', loss = 'categorical_crossentropy', metrics = ['accuracy'])

搭建cnn网络，这些内容在这篇文章里，我没法细讲了，最近我会好好写一篇卷积神经网络的笔记。如果你学了cnn，我觉得上面的代码不用讲。
。
。
。

看一下模型
model.summary()

。
。
。

# 训练模型
model.fit(X_train, Y_train, epochs = 20, batch_size = 15, validation_data = (X_test, Y_test))

到了模型训练的环节，前期所有的准备都是为了这行代码，当然，深度学习的灵魂也在这里，这里是最耗费时间的地方，请做好思想准备，最好晚上睡觉的时候运行这段代码。。。毕竟cpu8个小时跑不完（哭死），建议打开gpu（但是没排上队（再次哭死））
。
。
。
预测测试集

def extract_features(test_dir, file_ext="*.wav"):
    feature = []
    for fn in tqdm(glob.glob(os.path.join(test_dir, file_ext))[:]): # 遍历数据集的所有文件
        X, sample_rate = librosa.load(fn,res_type='kaiser_fast')
        mels = np.mean(librosa.feature.melspectrogram(y=X,sr=sample_rate).T,axis=0) # 计算梅尔频谱(mel spectrogram),并把它作为特征
        feature.extend([mels])
    return feature

X_test = extract_features('./test_a/')

X_test = np.vstack(X_test)
predictions = model.predict(X_test.reshape(-1, 16, 8, 1))

preds = np.argmax(predictions, axis = 1)
preds = [label_dict_inv[x] for x in preds]

path = glob.glob('./test_a/*.wav')
result = pd.DataFrame({'name':path, 'label': preds})

result['name'] = result['name'].apply(lambda x: x.split('/')[-1])
result.to_csv('submit.csv',index=None)

列示出测试集下所有的音频文件行数
。
。
。

!ls ./test_a/*.wav | wc -l

显示文件的行数，其中包含了total的一行，所以比上述的音频文件行数多一行

!wc -l submit.csv

结尾这部分做的不是特别好。。。。