TensorFlow练习12: 判断男声女声

本帖训练一个简单的神经网络模型，用来判断声音是男是女。

本帖数据集取自voice-gender项目，这个项目使用了n种分类模型，并比较了准确率，但是它没有使用神经网络模型，本帖算是一个补充。

数据集

这个数据集是经过R语言处理过的，它提取出了.WAV文件的一些声音属性。如果你想自己从wav文件中提取声音属性，参看voice-gender项目中一个叫sound.R源码文件。

数据集字段：”meanfreq”,”sd”,”median”,”Q25″,”Q75″,”IQR”,”skew”,”kurt”,”sp.ent”,”sfm”,”mode”,”centroid”,”meanfun”,”minfun”,”maxfun”,”meandom”,”mindom”,”maxdom”,”dfrange”,”modindx”,”label”。最后一个字段标记了是男声还是女声，前面字段是声音属性。

代码

100

101

102

import os

import requests

import pandas as pd

import numpy as np

import random

import tensorflow as tf # 0.12

from sklearn.model_selection import train_test_split

# 下载数据集

if not os.path.exists('voice.csv'):

url = 'http://blog.topspeedsnail.com/wp-content/uploads/2016/12/voice.csv'

data = requests.get(url).content

with open('voice.csv', 'wb') as f:

f.write(data)

voice_data = pd.read_csv('voice.csv')

#print(voice_data.head())

#print(voice_data.tail())

voice_data = voice_data.values

# 分离声音特性和分类

voices = voice_data[:, :-1]

labels = voice_data[:, -1:] # ['male'] ['female']

# 把分类转为one-hot

labels_tmp = []

for label in labels:

tmp = []

if label[0] == 'male':

tmp = [1.0, 0.0]

else: # 'female'

tmp = [0.0, 1.0]

labels_tmp.append(tmp)

labels = np.array(labels_tmp)

# shuffle

voices_tmp = []

lables_tmp = []

index_shuf = [i for i in range(len(voices))]

random.shuffle(index_shuf)

for i in index_shuf:

voices_tmp.append(voices[i])

lables_tmp.append(labels[i])

voices = np.array(voices_tmp)

labels = np.array(lables_tmp)

train_x, test_x, train_y, test_y = train_test_split(voices, labels, test_size=0.1)

banch_size = 64

n_banch = len(train_x) // banch_size

X = tf.placeholder(dtype=tf.float32, shape=[None, voices.shape[-1]]) # 20

Y = tf.placeholder(dtype=tf.float32, shape=[None, 2])

# 3层（feed-forward）

def neural_network():

w1 = tf.Variable(tf.random_normal([voices.shape[-1], 512], stddev=0.5))

b1 = tf.Variable(tf.random_normal([512]))

output = tf.matmul(X, w1) + b1

w2 = tf.Variable(tf.random_normal([512, 1024],stddev=.5))

b2 = tf.Variable(tf.random_normal([1024]))

output = tf.nn.softmax(tf.matmul(output, w2) + b2)

w3 = tf.Variable(tf.random_normal([1024, 2],stddev=.5))

b3 = tf.Variable(tf.random_normal([2]))

output = tf.nn.softmax(tf.matmul(output, w3) + b3)

return output

# 训练神经网络

def train_neural_network():

output = neural_network()

cost = tf.reduce_mean(tf.reduce_sum(tf.nn.softmax_cross_entropy_with_logits(output, Y)))

lr = tf.Variable(0.001, dtype=tf.float32, trainable=False)

opt = tf.train.AdamOptimizer(learning_rate=lr)

var_list = [t for t in tf.trainable_variables()]

train_step = opt.minimize(cost, var_list=var_list)

#saver = tf.train.Saver(tf.global_variables())

#saver.restore(sess, tf.train.latest_checkpoint('.'))

with tf.Session() as sess:

sess.run(tf.global_variables_initializer())

#summary_writer = tf.train.SummaryWriter('voices')

for epoch in range(200):

sess.run(tf.assign(lr, 0.001 * (0.97 ** epoch)))

for banch in range(n_banch):

voice_banch = train_x[banch*banch_size:(banch+1)*(banch_size)]

label_banch = train_y[banch*banch_size:(banch+1)*(banch_size)]

_, loss = sess.run([train_step, cost], feed_dict={X: voice_banch, Y: label_banch})

print(epoch, banch, loss)

# 准确率

prediction = tf.equal(tf.argmax(output, 1), tf.argmax(Y, 1))

accuracy = tf.reduce_mean(tf.cast(prediction, dtype=tf.float32))

accuracy = sess.run(accuracy, feed_dict={X: test_x, Y: test_y})

print("准确率", accuracy)

#prediction = sess.run(output, feed_dict={X: test_x})

train_neural_network()

TensorFlow练习12: 判断男声女声相关推荐

tf12: 判断男声女声
本帖训练一个简单的神经网络模型,用来判断声音是男是女. 本帖数据集取自voice-gender项目,这个项目使用了n种分类模型,并比较了准确率,但是它没有使用神经网络模型,本帖算是一个补充. 数据集 ...
第十八章 12判断string类型字符串是否为空
// 12判断string类型字符串是否为空 /*#include <iostream> #include <string> using namespace std; int ...
TensorFlow 1.12.2 发布，修复 GIF 构造安全漏洞
开发四年只会写业务代码,分布式高并发都不会还做程序员? TensorFlow 1.12.2 发布了,此处本修复了一个潜在的安全漏洞: 精心设计的 GIF 图像可以在解码过程中产生空指针解引用更新 ...
Win10 tensorflow 1.12 gpu + CUDA10 + Anaconda3-4.4 python3.6 安装过程
陆续折腾了几天终于把tensorflow gpu版本装完了.特此记录详细安装过程:(如有什么问题和坑,欢迎交流!^_^) 我装的各版本文件: Cuda 10 Ananconda3-4.4 tensor ...
NVIDA GTX2080 Ubuntu18.04 cuda10.0 cudnn7.5 tensorflow 1.12 install
NVIDA GTX2080 Ubuntu18.04 cuda10.0 cudnn7.5 tensorflow 1.12 install 心仪已久的显卡2080终于到了,Ubuntu18这么帅,怎么还能 ...
男声女声分类之SVM
男声女声分类之svm 目录男声女声分类之svm svc 数据模型构建预测 svc 1.支撑向量机SVM是一种非常重要和广泛的机器学习算法,它的算法出发点是尽可能找到最优的决策边界,使得模型的泛化能 ...
机器学习实验二男声女声分类
机器学习实验二男声女声分类一.实验环境 PC机,Python 二.代码 #%%import pandas as pd from sklearn.preprocessing import Stan ...
TensorFlow GPU 版本安装个人总结：Win10 + Python3.5 + CUDA 9.0.176 + cudnn v7.5.0.56 + TensorFlow 1.12.0
TensorFlow GPU 版本安装个人总结:Win10 + Python3.5 + CUDA 9.0.176 + cudnn v7.5.0.56 + TensorFlow 1.12.0 接触机器学 ...
男声变女声 matlab,使用matlab判断男声与女声
%filename:manwoman.m %different man from woman. %=================================================== ...

TensorFlow练习12: 判断男声女声

数据集

代码

TensorFlow练习12: 判断男声女声相关推荐

最新文章

热门文章