python nn 聲音辨識 -2 建立nn

-

建立神經網路


網路上查聲音用這個function，跟這個loss算法(網站沒記下來) 
  1. output_layer = add_layer(intput, input_tensors = input_len, output_tensors = output_len, n_layer = 1, activation_function = tf.nn.softmax)
  2. loss = tf.reduce_mean(-tf.reduce_sum(y_feeds * tf.log(output_layer), reduction_indices=[1]))
訓練與預測的函數很像
  1. #訓練 要餵入 x , y
  2. sess.run(train, feed_dict = {x_feeds: x_data, y_feeds: y_data})
  3. #放入loss 就能輸出現在loss值
  4. loss_ = sess.run(loss, feed_dict={x_feeds: x_data, y_feeds: y_data})
  5. #預測 只要餵入 x
  6. result = sess.run(output_layer, feed_dict = {x_feeds: [x_test]})

完整程式碼：

  1. import tensorflow as tf
  2. import numpy as np
  3. import wav_fft as wavf
  4. import os
  5. # 定義一個添加層的函數
  6. def add_layer(inputs, input_tensors, output_tensors, n_layer, activation_function = None):
  7.     layer_name = 'layer%s' % n_layer
  8.     print(layer_name)
  9.     with tf.name_scope('Layer'):
  10.         with tf.name_scope('Weights'):
  11.             W = tf.Variable(tf.random_normal([input_tensors, output_tensors]), dtype=tf.float32 ,name = 'W')          #
  12.             tf.summary.histogram(name = layer_name + '/Weights', values = W)
  13.             print(W.name)
  14.         with tf.name_scope('Biases'):
  15.             b = tf.Variable(tf.zeros([1, output_tensors])+0.1, dtype=tf.float32, name = 'b')      #
  16.             tf.summary.histogram(name = layer_name + '/Biases', values = b)
  17.         with tf.name_scope('Formula'):
  18.             formula = tf.add(tf.matmul(inputs, W), b)
  19.             
  20.         if activation_function is None:
  21.             outputs = formula
  22.         else:
  23.             outputs = activation_function(formula)
  24.         tf.summary.histogram(name = layer_name + '/Outputs', values = outputs)
  25.         return outputs
  26. def nn_road(intput, input_len, output_len = 4):
  27.     output_layer = add_layer(intput, input_tensors = input_len, output_tensors = output_len, n_layer = 1, activation_function = tf.nn.softmax)
  28.     return output_layer
  29.     
  30. def train_run():
  31.     
  32.     # 準備資料
  33.     audio_value, answer = wavf.read_to_mat()
  34.     x_data = audio_value
  35.     y_data = answer
  36.     x_data_len = len(audio_value[0])
  37.  
  38.     # 建立 Feeds
  39.     with tf.name_scope('Inputs'):
  40.         x_feeds = tf.placeholder(tf.float32, shape = [None, 525], name = 'x_inputs')
  41.         y_feeds = tf.placeholder(tf.float32, shape = [None, 4], name = 'y_inputs')
  42.         
  43.     output_layer = nn_road(x_feeds, 525)
  44.     
  45.     # 定義 `loss` 與要使用的 Optimizer
  46.     with tf.name_scope('Loss'):
  47.         #loss = tf.reduce_mean(tf.square(y_feeds - output_layer))
  48.         loss = tf.reduce_mean(-tf.reduce_sum(y_feeds * tf.log(output_layer), reduction_indices=[1]))
  49.         tf.summary.scalar('loss', loss)
  50.     with tf.name_scope('Train'):
  51.         optimizer = tf.train.GradientDescentOptimizer(learning_rate = 0.01)
  52.         train = optimizer.minimize(loss)
  53.     
  54.     # 初始化 Graph
  55.     saver = tf.train.Saver(tf.global_variables())
  56.     init = tf.global_variables_initializer()
  57.     with tf.Session() as sess:
  58.         
  59.         # 開始運算
  60.         sess.run(init)
  61.         for step in range(5000):
  62.             sess.run(train, feed_dict = {x_feeds: x_data, y_feeds: y_data})
  63.             if step % 200 == 0:
  64.                 loss_ = sess.run(loss, feed_dict={x_feeds: x_data, y_feeds: y_data})
  65.                 
  66.                 print(loss_)
  67.  
  68.         dir_name = 'tensorflow_model'
  69.         if not os.path.exists(dir_name):    #先確認資料夾是否存在
  70.             os.makedirs(dir_name)
  71.         print("保存模型: ", saver.save(sess, './' + dir_name + '/' + 'wav_nn' + '_model.ckpt'))
  72.         
  73.         #predict test         
  74.         temp, fs = wavf.read_file('./train_data/0210' + '.wav')
  75.         ftmap, ftline = wavf.fft_domyself(temp, fs) 
  76.         normalized_linefft_data = (ftline - np.mean(ftline)) / np.std(ftline)     
  77.         x_test = normalized_linefft_data.tolist()     
  78.         result = sess.run(output_layer, feed_dict = {x_feeds: [x_test]})
  79.         print('[' + ' %0.10f'%result[0][0], ' %0.10f'%result[0][1], ' %0.10f'%result[0][2], ' %0.10f'%result[0][3] + ']')
  80.  
  81. if __name__ == '__main__':
  82.     train_run()
  83.  
拿0210.wav檔案測試，理想結果是[0.0, 0.0, 1.0, 0.0]，是第二種聲音的第10個檔案
神經網路得出[ 0.0000000000 0.0000349988 0.9999548197 0.0000101149]準確率相當高
  1. Out[1]:
  2. ./train_data/0001.wav [1.0, 0.0, 0.0, 0.0]
  3. ./train_data/0101.wav [0.0, 1.0, 0.0, 0.0]
  4. ./train_data/0201.wav [0.0, 0.0, 1.0, 0.0]
  5. ./train_data/0301.wav [0.0, 0.0, 0.0, 1.0]
  6. ./train_data/0002.wav [1.0, 0.0, 0.0, 0.0]
  7. ./train_data/0102.wav [0.0, 1.0, 0.0, 0.0]
  8. ./train_data/0202.wav [0.0, 0.0, 1.0, 0.0]
  9. ./train_data/0302.wav [0.0, 0.0, 0.0, 1.0]
  10. ./train_data/0003.wav [1.0, 0.0, 0.0, 0.0]
  11. ./train_data/0103.wav [0.0, 1.0, 0.0, 0.0]
  12. ./train_data/0203.wav [0.0, 0.0, 1.0, 0.0]
  13. ./train_data/0303.wav [0.0, 0.0, 0.0, 1.0]
  14. ./train_data/0004.wav [1.0, 0.0, 0.0, 0.0]
  15. ./train_data/0104.wav [0.0, 1.0, 0.0, 0.0]
  16. ./train_data/0204.wav [0.0, 0.0, 1.0, 0.0]
  17. ./train_data/0304.wav [0.0, 0.0, 0.0, 1.0]
  18. ./train_data/0005.wav [1.0, 0.0, 0.0, 0.0]
  19. ./train_data/0105.wav [0.0, 1.0, 0.0, 0.0]
  20. ./train_data/0205.wav [0.0, 0.0, 1.0, 0.0]
  21. ./train_data/0305.wav [0.0, 0.0, 0.0, 1.0]
  22. ./train_data/0006.wav [1.0, 0.0, 0.0, 0.0]
  23. ./train_data/0106.wav [0.0, 1.0, 0.0, 0.0]
  24. ./train_data/0206.wav [0.0, 0.0, 1.0, 0.0]
  25. ./train_data/0306.wav [0.0, 0.0, 0.0, 1.0]
  26. ./train_data/0007.wav [1.0, 0.0, 0.0, 0.0]
  27. ./train_data/0107.wav [0.0, 1.0, 0.0, 0.0]
  28. ./train_data/0207.wav [0.0, 0.0, 1.0, 0.0]
  29. ./train_data/0307.wav [0.0, 0.0, 0.0, 1.0]
  30. ./train_data/0008.wav [1.0, 0.0, 0.0, 0.0]
  31. ./train_data/0108.wav [0.0, 1.0, 0.0, 0.0]
  32. ./train_data/0208.wav [0.0, 0.0, 1.0, 0.0]
  33. ./train_data/0308.wav [0.0, 0.0, 0.0, 1.0]
  34. ./train_data/0009.wav [1.0, 0.0, 0.0, 0.0]
  35. ./train_data/0109.wav [0.0, 1.0, 0.0, 0.0]
  36. ./train_data/0209.wav [0.0, 0.0, 1.0, 0.0]
  37. ./train_data/0309.wav [0.0, 0.0, 0.0, 1.0]
  38. layer1
  39. Layer/Weights/W:0
  40. 19.0726
  41. 0.00698306
  42. 0.00230496
  43. 0.00142493
  44. 0.00104555
  45. 0.000831516
  46. 0.000692958
  47. 0.000595413
  48. 0.000522728
  49. 0.000466331
  50. 0.000421281
  51. 0.000384355
  52. 0.000353519
  53. 0.000327388
  54. 0.000304925
  55. 0.000285414
  56. 0.000268292
  57. 0.000253139
  58. 0.000239637
  59. 0.00022752
  60. 0.000216596
  61. 0.000206709
  62. 0.000197676
  63. 0.000189412
  64. 0.000181816
  65. 保存模型:  ./tensorflow_model/wav_nn_model.ckpt
  66. [ 0.0000000000  0.0000349988  0.9999548197  0.0000101149]

留言

  1. 偷心兔2018年1月18日 清晨5:33

    跪求高手解有點不太懂

    回覆刪除
    回覆
    1. 阿翔2018年1月27日 下午4:23

      我這個不算是教學網站 你可以去看:https://morvanzhou.github.io/tutorials/machine-learning/tensorflow/
      我很多時間是在這邊學的

      刪除

張貼留言

這個網誌中的熱門文章

python nn 聲音辨識 -1 傅立葉轉換

-
辨識環境聲音判斷出這是甚麼聲音 主要想法是用頻域赫茲分布做判斷 首先先錄三種聲音的聲音檔，我每一種聲音重複錄製九個sample，所以有27個wav檔 讀取wav檔案，作正規劃處理，在做傅立葉轉換 一開始由於自己做的fft_domyself() function跟其他聲音處理軟體做出來的不一樣，數值非常小，之後找到有內建的spectrogram() function，使用也是數值很小，最後才想到要20log()，但由於內建的覺得不適合自由調整，所以還是修改自己的function。 import matplotlib.pyplot as plt from scipy.fftpack import fft from scipy.io import wavfile # get the api import numpy as np from scipy import signal import math import pyaudio import wave import time #buf=[] #讀入單一檔案測試 def init(): fs, data = wavfile.read('0106.wav') # load the data b=[(ele/2**16.) for ele in data] # this is 16-bit track, b is now normalized on [-1,1) c = fft(b) # calculate fourier transform (complex numbers list) d = len(c)/2 # you only need half of the fft list (real signal symmetry) plt.subplot(211) plt.plot(b,'b') plt.title('time line') plt.subplot(212) plt.plot(abs(c[:(d-1)]),'r') plt.title('fft') plt.show() return fs, b #取樣率 dat...
閱讀完整內容

android 定時通知(永久長期的) 本篇只講AlarmManager使用

-
本篇使用AlarmManager達到準時執行某程式，跟鬧鐘的方式一樣，我之前用過IntentService、Service、Handler，都不能長期使用。 Servicer簡單缺點整理： IntentService：只要關閉activity背景保存視窗，IntentService背景所執行的程式就被強迫結束，好像可以重開(我沒試過)。 Service、Handler：雖然關閉activity會繼續執行，但他是重新在開啟一次service，這到還好，但當手機螢幕關閉處於待機狀態時，service會停止運作暫停在那邊，等你喚醒再繼續執行，所以用這個加timer做定時通知會整個亂掉，timer會停下來不數了。 AlarmManager主要架構是 跟系統註冊鬧鐘甚麼時間點 → 時間到系統會發送一個鬧鈴 → 你的activity接收那個鬧鈴後執行你的程式 當你註冊好幾個鬧鐘已經晚於現在時間，他會馬上通通都執行完 先建立接收鬧鈴的程式 在Manifest.xml 中加入接收系統鬧鈴 <application> <activity android:name=".MainActivity"> </activity> <!-- 當鬧鈴時間到達時要執行的程式 --> <receiver android:name=".AlarmReceiver"> <intent-filter> <action android:name="activity_app" /> </intent-filter> </receiver> </application> 建立一個class檔，執行接收到鬧鈴後的程式 public class AlarmReceiver extends BroadcastReceiver { @Override public void onReceive(Context context, Intent intent) { ...
閱讀完整內容

C# 模擬鍵盤滑鼠控制電腦

-
滑鼠模擬 指定一個螢幕像素的座標位置 int x = 1255; int y = 161; Cursor.Position = new Point(x, y); ClassMouse.LeftClick(); //按下滑鼠左鍵 鍵盤模擬 官方文件 的範例是用小算盤程式，計算111*11= public class demo { [DllImport("USER32.DLL", CharSet = CharSet.Unicode)] public static extern IntPtr FindWindow(string lpClassName, string lpWindowName); // Activate an application window. [DllImport("USER32.DLL")] public static extern bool SetForegroundWindow(IntPtr hWnd); // Send a series of key presses to the Calculator application. public static void Calculator() { // Get a handle to the Calculator application. The window class // and window name were obtained using the Spy++ tool. IntPtr calculatorHandle = FindWindow("ApplicationFrameWindow", "小算盤"); // Verify that Calculator is a running process. if (calculatorHandle == IntPtr.Zero) { MessageBox.Show("Calculator is not running....
閱讀完整內容

raspberrypi 開機自動執行程式 與 在terminal開啟第二個terminal執行python

-
raspberrypi 開啟另一個terminal執行程式 在terminal輸入： lxterminal -e python3 demo.py 參考自： https://www.raspberrypi.org/forums/viewtopic.php?t=65607 ------------------------------------------------------------------------------------------------------------------------------------------------------- raspberrypi 開機自動執行程式 在terminal中輸入以下指令，開啟檔案： sudo nano /etc/rc.local 以下是加入執行python程式 #!/bin/sh -e # # rc.local # # This script is executed at the end of each multiuser runlevel. # Make sure that the script will "exit 0" on success or any other # value on error. # # In order to enable or disable this script just change the execution # bits. # # By default this script does nothing. # Print the IP address _IP=$(hostname -I) || true if [ "$_IP" ]; then    printf "My IP address is %s\n" "$_IP" fi sudo python /home/pi/demo.py  <==加入在這邊 exit 0 參考自： http://dirtypig8.blogspot.tw/2016/12/python.html#!/tcmbck
閱讀完整內容

python pyautogui 簡介

-
pyautogui 是 python的一個模組，他能控制鍵盤和滑鼠的操作，能利用它做自動化操作，像是用在軟體測試、重複性動作等。 pyautogui 暫停幾秒鐘 >>>pyautogui.PAUSE = 1.5 fail-safe (預設false) 當滑鼠一道螢幕左上角時，觸發 pyautogui 的failsafeexception 異常 >>>pyautogui.FAILSAFE = True 螢幕上的座標軸 (0,0) →→→→(1920,0)    ↓    ↓    ↓    ↓ (0,1080) 取得螢幕解析度 >>>import pyautogui >>>pyautogui.size() (1920, 1080) >>>width, height = pyautogui.size() 滑鼠部分 moveTo(width, height, duration) example移動到(300, 400)位置 pyautogui.moveTo(300, 400)                 #立即到 pyautogui.moveTo(300, 400, duration = 1.5) #花1.5秒移到 moeRel(width, height, duration) 移到相對座標，以當前滑鼠座標為基準點 pyautogui.moveRel(0, 100, duration=0.25) pyautogui.moveRel(-100, 0, duration=0.25) position() 獲得滑鼠當前的座標位置 >>>pyautogui.position() (300, 400) click(width, height, button) 滑鼠點擊 button = 'left', 'middle', 'right'。 pyautogui.click()       ...
閱讀完整內容