音訊資料載入

[原始碼]

audio_dataset_from_directory 函式

keras.utils.audio_dataset_from_directory(
    directory,
    labels="inferred",
    label_mode="int",
    class_names=None,
    batch_size=32,
    sampling_rate=None,
    output_sequence_length=None,
    ragged=False,
    shuffle=True,
    seed=None,
    validation_split=None,
    subset=None,
    follow_links=False,
    verbose=True,
)

從目錄中的音訊檔案產生 tf.data.Dataset。

如果您的目錄結構是

main_directory/
...class_a/
......a_audio_1.wav
......a_audio_2.wav
...class_b/
......b_audio_1.wav
......b_audio_2.wav

那麼呼叫 audio_dataset_from_directory(main_directory, labels='inferred') 將會回傳一個 tf.data.Dataset，該資料集會產生來自子目錄 class_a 和 class_b 的音訊檔案批次，以及標籤 0 和 1（0 對應到 class_a，1 對應到 class_b）。

目前僅支援 .wav 檔案。

參數

• directory：資料所在的目錄。如果 labels 為 "inferred"，則它應該包含子目錄，每個子目錄包含一個類別的音訊檔案。否則，會忽略目錄結構。
• labels：可以是 "inferred"（標籤從目錄結構產生）、None（沒有標籤），或是與目錄中找到的音訊檔案數量相同大小的整數標籤列表/元組。標籤應根據音訊檔案路徑的字母數字順序排序（透過 Python 中的 os.walk(directory) 取得）。
• label_mode：描述 labels 編碼方式的字串。選項有
  • "int"：表示標籤編碼為整數（例如，用於 sparse_categorical_crossentropy 損失）。
  • "categorical" 表示標籤編碼為類別向量（例如，用於 categorical_crossentropy 損失）。
  • "binary" 表示標籤（只能有 2 個）編碼為值為 0 或 1 的 float32 純量（例如，用於 binary_crossentropy）。
  • None（沒有標籤）。
• class_names：只有在 "labels" 為 "inferred" 時才有效。這是類別名稱的明確列表（必須與子目錄的名稱相符）。用於控制類別的順序（否則使用字母數字順序）。
• batch_size：資料批次的大小。預設值：32。如果為 None，則資料將不會分批（資料集將產生單獨的樣本）。
• sampling_rate：音訊取樣率（每秒取樣數）。
• output_sequence_length：音訊序列的最大長度。長度超過此值的音訊檔案將被截斷為 output_sequence_length。如果設定為 None，則同一批次中的所有序列將被填充到該批次中最長序列的長度。
• ragged：是否回傳一個 Ragged 資料集（其中每個序列都有自己的長度）。預設值為 False。
• shuffle：是否隨機打亂資料。如果設定為 False，則按字母數字順序排序資料。預設值為 True。
• seed：用於隨機打亂和轉換的可選隨機種子。
• validation_split：介於 0 和 1 之間的可選浮點數，表示保留用於驗證的資料比例。
• subset：要回傳的資料子集。可以是 "training"、"validation" 或 "both"。只有在設定了 validation_split 時才使用。
• follow_links：是否訪問符號連結指向的子目錄。預設值為 False。
• verbose：是否顯示類別數量和找到的檔案數量相關資訊。預設值為 True。

回傳值

一個 tf.data.Dataset 物件。

• 如果 label_mode 為 None，則它會產生形狀為 (batch_size,) 的 string 張量，其中包含一批音訊檔案的內容。
• 否則，它會產生一個元組 (audio, labels)，其中 audio 的形狀為 (batch_size, sequence_length, num_channels)，而 labels 則遵循下面描述的格式。

關於標籤格式的規則

• 如果 label_mode 為 int，則標籤為形狀為 (batch_size,) 的 int32 張量。
• 如果 label_mode 為 binary，則標籤為形狀為 (batch_size, 1) 的 1 和 0 的 float32 張量。
• 如果 label_mode 為 categorical，則標籤為形狀為 (batch_size, num_classes) 的 float32 張量，表示類別索引的 one-hot 編碼。