Speech Commands Recognition

内容介绍

https://zhuanlan.zhihu.com/p/331833198

实验结果

Local CV Score	Test Score
0.977 ± 0.001​	0.975 ± 0.001

本方案基于pytorch和keras4torch。为方便移植到其他框架测试，下面列出了训练用到的主要设定。

主要设定

setting	value
features	1x32x32 melspectrogram
model	wide resnet28
total parameters	36491726
epochs	40
batch size	96
optimizer	SGD with momentum
learning rate	1e-2 -> 3e-3 -> 9e-4 -> 8e-5
L2 regularization	1e-2
label smoothing	0.1
epoch time	82s (1 * RTX 2080Ti)

模型结构

运行仓库代码

环境配置

torch>=1.6.0
keras4torch==1.1.3
scikit-learn==0.23.2

librosa==0.8.0

如果使用linux系统，需要先执行如下命令才能安装librosa。

! sudo apt-get install -y libsndfile1

数据预处理

确保原始数据被放在data/ 文件夹中，运行preprocess.ipynb。

这些文件的结构如下：

• data/
  • train/
  • test/
• preprocess.ipynb
• train.ipynb

训练和预测

在上一步完成的基础上，运行train.ipynb。

结束后，对测试集的预测（概率值）将被保存为一个.npy文件。

问题反馈

• Github Issue
• Email: [email protected]