音訊資料載入

[來源]

audio_dataset_from_directory 函數

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。

如果您的目錄結構如下

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') 將會傳回一個 tf.data.Dataset，其會產生來自子目錄 class_a 和 class_b 的音訊檔案批次，以及標籤 0 和 1（0 對應於 class_a，而 1 對應於 class_b）。

目前僅支援 .wav 檔案。

引數

• directory：資料所在的目錄。如果 labels 為 "inferred"，則應包含子目錄，每個子目錄都包含一個類別的音訊檔案。否則，將忽略目錄結構。
• labels：可以是 "inferred"（標籤從目錄結構推斷）、None（無標籤），或與目錄中找到的音訊檔案數量相同大小的整數標籤的列表/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。選項如下：
  • "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（無標籤）。
• class_names：僅在 "labels" 為 "inferred" 時有效。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，則不會批次處理資料（資料集將產生個別樣本）。
• sampling_rate：音訊採樣率（每秒樣本數）。
• 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：是否傳回 Ragged 資料集（其中每個序列都有自己的長度）。預設為 False。
• shuffle：是否隨機排序資料。如果設定為 False，則以字母數字順序排序資料。預設為 True。
• seed：用於隨機排序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，保留用於驗證的資料比例。
• subset：要傳回的資料子集。可以是 "training"、"validation" 或 "both" 之一。僅在設定 validation_split 時使用。
• follow_links：是否造訪符號連結指向的子目錄。預設為 False。
• verbose：是否顯示有關類別和找到的檔案數量的資訊。預設為 True。

傳回

一個 tf.data.Dataset 物件。

• 如果 label_mode 為 None，則會產生形狀為 (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 遵循以下描述的格式。

關於標籤格式的規則

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