tweetynet 0.2.0

该软件包可以从.wav或.cbin音频文件生成光谱图。 它还可以接受Matlab格式的频谱图。>文件

重要的模型参数

• 必须在配置.ini文件中正确定义以下参数

  • n_音节-必须是正确数量的标签，包括音节之间无声时段的标签。
  • 时间单元-从显示到网络的光谱图的每个窗口中的时间单元数。 在训练过程中，网络会看到从数据中随机抓取的一批窗口，这些窗口的宽度等于time\u bin。 直观地说，时间步长越大，网络拥有的时间上下文越多，但所需时间越长 训练。在实践中，对于孟加拉雀歌，我们用88个时间箱和金丝雀歌达到了很好的精度， 我们使用约250个时间箱实现了良好的精度。

• 如果需要，可以更改以下参数：

  • num-epochs-网络应该看到所有培训数据的次数。
  • 批大小-每个训练批中的片段数（当前为11个）
  • 学习率-训练步长系数（当前为0.001） 指定网络本身的其他参数可以在代码中更改，但需要了解TensorFlow。

准备培训文件

可以对任何手动标注的数据进行培训，但有一些有用的指南：

• 尽可能多地使用示例-结果会更好。具体地说，这段代码不会正确地标记训练中没有遇到的音节，而且很可能会泛化到最近的样本或忽略音节。
• 使用噪声示例-这将使代码在忽略噪声方面非常出色。
• 有关噪音的音节示例很重要-最好从干净的录音开始。代码不会产生奇迹，如果音频太坏或被噪音掩盖，代码很可能会失败。尽管如此，在笼形噪声背景下使用音节示例进行训练将是有益的。

运行代码的结果

建议在从估计值中提取实际音节标记以及起始和偏移时间时应用后处理。

预测新标签

您可以通过在config.ini文件中添加[predict]部分来预测新标签，并且 然后使用predict命令运行命令行界面，如下所示：
（tweetyenv）$vak预测./configs/config\u bird0.ini 带有[predict]节的config.ini文件的一个例子是 在这里的doc文件夹中

对于有脚本/tensorflow经验的用户，可以 使用 TensorFlow检查点保护程序。下面是一个如何做到这一点的例子 从vak.train\u utils.learn\u curve功能：

meta_file=glob(os.path.join(training_records_dir,'checkpoint*meta*'))[0]data_file=glob(os.path.join(training_records_dir,'checkpoint*data*'))[0]model=TweetyNet(n_syllables=n_syllables,input_vec_size=input_vec_size,batch_size=batch_size)withtf.Session(graph=model.graph)assess:model.restore(sess=sess,meta_file=meta_file,data_file=data_file)

模型架构

这种深层神经网络的结构是基于这些论文：