深度学习算法的平均输出

Question

我正在尝试对一些音频剪辑进行分类，为此，我必须将每 30 秒长的音频剪辑分成 1 秒的剪辑。然后我想将这个 1 秒音频片段放入分类器中，并对所有 30 个一秒音频文件的输出进行平均以获得最终响应。我想要每 30 个输入有 1 个输出。

我的问题是我不知道如何将它们输入到我的分类器中，我无法按照此处的建议使用多个输入，因为我有 30 个输入，而不仅仅是 2 个输入，这会很混乱。

Answer 1

您提到的链接是关于拥有 2 个独立的输入管道，而不是 2 个输入音频剪辑。您需要将30 个一秒音频数据包装在一个Tensor（如果您使用的是 Tensorflow，如果没有，则使用您正在使用的框架的等效框架）然后可以将其Tensor输入到深度学习模型的一个输入管道中。