Resumé

  • 3 minutter

Tillykke med at have lært at bygge en binær lydklassifikationsmodel.

Du lærte, hvordan analog lyd repræsenteres som digitale prøver, hvordan bølgeformer viser amplitude over tid, og hvordan spektrogrammer viser frekvensindhold over tid. Du så også, hvordan man indlæser yes og no klasserne fra Speech Commands-datasættet, konverterer bølgeformer til spektrogramtensorer, træner et konvolutionelt neuralt netværk og evaluerer modellen på holdte data.

Næste trin

For at gå dybere, prøv disse idéer:

  • Udvid modellen til at klassificere alle otte kommandoer i mini-Speech Commands-datasættet ved at indlæse SOURCE_DATASET_PATH i stedet for binæren BINARY_DATASET_PATH. Arrayet label_names og num_labels værdien opdateres automatisk fra mappenavnene.
  • Brug hele Speech Commands-datasættet og train, validation, og test splits, som leveres af TensorFlow Datasets for en mere grundig evaluering. TensorFlow Datasets eksponerer det standard nøgleordsspotting label-sæt, inklusive målkommandoer plus _unknown_ og _silence_, så opdater output-laget og etikethåndteringen for det label-sæt.
  • Prøv transfer learning til lydgenkendelse med en forudtrænet YAMNet-model.