🏝️ 🗻 👵🏾 एक तंत्रिका नेटवर्क के प्रशिक्षण के लिए एक ध्वनिक डेटासेट का विकास 👌🏼 👵 🥃

एक बार, एक साक्षात्कार में, एक प्रसिद्ध रूसी संगीतकार ने कहा: "हम छत पर झूठ बोलने और थूकने पर काम कर रहे हैं।" मैं इस कथन से सहमत नहीं हो सकता, क्योंकि यह तथ्य कि आलसीपन प्रौद्योगिकी के विकास में प्रेरक शक्ति है, यह तर्क नहीं दिया जा सकता है। दरअसल, केवल पिछली शताब्दी में हम भाप इंजन से डिजिटल औद्योगिकीकरण में चले गए हैं, और अब कृत्रिम कल्पना, जिसे पिछली शताब्दी के विज्ञान कथा लेखकों और भविष्यवादियों द्वारा वर्णित किया गया था, हर दिन हमारी दुनिया की बढ़ती हुई वास्तविकता बन रही है। कंप्यूटर गेम, मोबाइल डिवाइस, स्मार्ट घड़ियों और बहुत कुछ मूल रूप से मशीन लर्निंग तंत्र से जुड़े एल्गोरिदम का उपयोग करते हैं।

आजकल, ग्राफिक प्रोसेसर की कंप्यूटिंग क्षमताओं की वृद्धि और बड़ी मात्रा में डेटा दिखाई दिया है, तंत्रिका नेटवर्क ने लोकप्रियता हासिल की है, जिसके उपयोग से वे वर्गीकरण और प्रतिगमन समस्याओं को हल करते हैं, उन्हें तैयार डेटा पर प्रशिक्षण देते हैं। तंत्रिका नेटवर्क को कैसे प्रशिक्षित किया जाए और इसके लिए कौन से ढांचे का उपयोग किया जाए, इसके बारे में बहुत सारे लेख पहले ही लिखे जा चुके हैं। लेकिन एक पूर्व कार्य है जिसे हल करने की भी आवश्यकता है, और तंत्रिका नेटवर्क को आगे के प्रशिक्षण के लिए डेटा सरणी - एक डेटासेट बनाने का कार्य है। इस लेख में इस पर चर्चा की जाएगी।

इतना समय पहले नहीं, एक आम ऑडियो स्ट्रीम से डेटा निकालने में सक्षम एक ध्वनिक कार शोर क्लासिफायर बनाने की आवश्यकता थी: टूटे ग्लास, दरवाजे खोलना और विभिन्न मोड में कार इंजन का संचालन करना। क्लासिफायर का विकास मुश्किल नहीं था, लेकिन डेटासेट कहां से प्राप्त करें ताकि यह सभी आवश्यकताओं को पूरा करे?

Google बचाव में आया (यांडेक्स के लिए कोई अपराध नहीं - मैं इसके फायदे के बारे में थोड़ी देर बाद बात करूंगा), जिसकी मदद से आवश्यक डेटा वाले कई मुख्य समूहों को एकल करना संभव था। मैं पहले से ध्यान देना चाहता हूं कि इस लेख में दिए गए स्रोतों में विभिन्न वर्गों के साथ बड़ी मात्रा में ध्वनिक जानकारी शामिल है, जो आपको विभिन्न कार्यों के लिए डेटासेट बनाने की अनुमति देती है। अब हम इन स्रोतों का अवलोकन करते हैं।

Freesound.org

सबसे अधिक संभावना है, Freesound.org , ध्वनिक डेटा की सबसे बड़ी मात्रा प्रदान करता है, जो लाइसेंस प्राप्त संगीत नमूनों का एक संयुक्त भंडार है, जिसमें वर्तमान में ध्वनि प्रभावों की 230,000 से अधिक प्रतियां हैं। प्रत्येक ध्वनि नमूने को एक अलग लाइसेंस के तहत वितरित किया जा सकता है, इसलिए अग्रिम में लाइसेंस समझौते के साथ खुद को परिचित करना बेहतर है। उदाहरण के लिए, शून्य (cc0) लाइसेंस में "कोई कॉपीराइट" स्थिति नहीं है, और आपको व्यावसायिक उपयोग सहित कॉपी, संशोधित और वितरित करने की अनुमति देता है, और आपको डेटा को पूरी तरह से कानूनी रूप से उपयोग करने की अनुमति देता है।

विभिन्न प्रकार के freesound.org में ध्वनिक सूचना तत्वों को खोजने की सुविधा के लिए, डेवलपर्स ने रिपॉजिटरी से डेटा का विश्लेषण, खोज और डाउनलोड करने के लिए डिज़ाइन किया गया एक एपीआई प्रदान किया है। इसके साथ काम करने के लिए, आपको पहुंच प्राप्त करने की आवश्यकता है, इसके लिए आपको फ़ॉर्म पर जाने और सभी आवश्यक फ़ील्ड भरने की आवश्यकता है, जिसके बाद व्यक्तिगत कुंजी उत्पन्न होगी।

Freesound.org डेवलपर्स विभिन्न प्रोग्रामिंग भाषाओं के लिए एपीआई प्रदान करते हैं, जिससे विभिन्न उपकरणों के साथ एक ही समस्या को हल करने की अनुमति मिलती है। GitHub पर उन्हें एक्सेस करने के लिए समर्थित भाषाओं और लिंक की सूची नीचे सूचीबद्ध है।

लक्ष्य को प्राप्त करने के लिए, अजगर का उपयोग किया गया था, क्योंकि इस सुंदर गतिशील टाइपिंग प्रोग्रामिंग भाषा ने सॉफ्टवेयर के विकास की जटिलता के मिथक को पूरी तरह से मिटाकर, इसके उपयोग में आसानी के कारण अपनी लोकप्रियता हासिल की। अजगर के लिए freesound.org के साथ काम करने के लिए मॉड्यूल को github.com रिपॉजिटरी से क्लोन किया जा सकता है।

नीचे दो-भाग कोड है जो इस एपीआई के उपयोग की आसानी को दर्शाता है। प्रोग्राम कोड का पहला भाग डेटा विश्लेषण का कार्य करता है, जिसके परिणामस्वरूप प्रत्येक अनुरोधित वर्ग के लिए डेटा वितरण का घनत्व होता है, और दूसरा भाग चयनित कक्षाओं के लिए freesound.org रिपॉजिटरी से डेटा अपलोड करता है। कीवर्ड ग्लास, इंजन, डोर के साथ ध्वनिक जानकारी की खोज करते समय वितरण घनत्व उदाहरण के रूप में पाई चार्ट में नीचे प्रस्तुत किया गया है।

Freesound.org डेटा विश्लेषण नमूना कोड

import plotly import plotly.graph_objs as go import freesound import os import termcolor #      def histogram(data, filename = "tmp_histogram.html"): data = [ go.Histogram( histfunc="count", x=data, name="count",textfont=dict(size=15) ), ] plotly.offline.plot({ "data": data, "layout": go.Layout(title="Histogram") }, auto_open=True, filename=filename) pass #      freesound.org def freesound_analysis(search_tokens, output, lim_page_count = 1, key = None): lim_page_count = int(lim_page_count) try: client = freesound.FreesoundClient() client.set_token(key,"token") print(termcolor.colored("Authorisation successful ", "green")) except: print(termcolor.colored("Authorisation failed ", "red")) classes = list() for token in search_tokens: try: results = client.text_search(query=token,fields="id,name,previews") output_catalog = os.path.normpath(output) if not os.path.exists(output_catalog): os.makedirs(output_catalog) page_count = int(0) while True: for sound in results: try: classes.append(token) info = "Data has been getter: " + str(sound.name) print(termcolor.colored(info, "green")) except: info = "Data has not been getter: " + str(sound.name) print(termcolor.colored(info, "red")) page_count += 1 if (not results.next) or (lim_page_count == page_count): page_count = 0 break results = results.next_page() except: print(termcolor.colored(" Search is failed ", "red")) histogram(classes) pass

Freesound.org डेटा डाउनलोड करने के लिए नमूना कोड

 #   def freesound_download(search_tokens, output, lim_page_count = 1, key = None): lim_page_count = int(lim_page_count) #  .     try: client = freesound.FreesoundClient() client.set_token(key,"token") print(termcolor.colored("Authorisation successful ", "green")) except: print(termcolor.colored("Authorisation failed ", "red")) for token in search_tokens: try: results = client.text_search(query=token,fields="id,name,previews") output_catalog = os.path.normpath(output + "\\" + str(token)) if not os.path.exists(output_catalog): os.makedirs(output_catalog) page_count = int(0) while True: for sound in results: try: sound.retrieve_preview(output_catalog) info = "Saved file: " + str(output_catalog) + str(sound.name) print(termcolor.colored(info, "green")) except: info = str("Sound can`t be saved to " + str(output_catalog) + str(sound.name) ) print(termcolor.colored(info, "red")) page_count += 1 if not results.next or lim_page_count == page_count: page_count = 0 break results = results.next_page() except: print(termcolor.colored(" Search is failed ", "red"))

फ्रीसाउंड की एक विशेषता यह है कि ऑडियो डेटा का विश्लेषण ऑडियो फ़ाइल डाउनलोड किए बिना किया जा सकता है, जिससे आपको एमएफसीसी, वर्णक्रमीय ऊर्जा, वर्णक्रमीय केंद्र और अन्य गुणांक प्राप्त हो सकते हैं। Freesound.ord दस्तावेज़ीकरण में कम जानकारी के बारे में अधिक पढ़ें।

Freesound.org API का उपयोग करते हुए, डेटा को लाने और डाउनलोड करने में लगने वाला समय कम से कम हो जाता है, जिससे आप काम के घंटों को जानकारी के अन्य स्रोतों का अध्ययन करने में बचा सकते हैं, क्योंकि उच्च सटीकता ध्वनिक क्लासिफायर के लिए बड़ी परिवर्तनशीलता के साथ एक बड़े डेटासेट की आवश्यकता होती है, जिसमें एक और एक के साथ विभिन्न हार्मोनिक्स के साथ डेटा का प्रतिनिधित्व होता है। घटनाओं का एक ही वर्ग।

YouTube-8M और ऑडियोसेट

मुझे लगता है कि प्रस्तुति में यूट्यूब की विशेष रूप से आवश्यकता नहीं है, लेकिन फिर भी, विकिपीडिया हमें बताता है कि यूट्यूब एक वीडियो होस्टिंग साइट है जो उपयोगकर्ताओं को वीडियो डिस्प्ले सेवाएं प्रदान करता है, यह कहना भूल जाता है कि यूट्यूब एक विशाल डेटाबेस है, और इस स्रोत का उपयोग मशीन लर्निंग में किया जाना चाहिए , और Google इंक हमें YouTube-8M डेटासेट नामक एक प्रोजेक्ट प्रदान करता है।

YouTube-8M डेटासेट एक डेटा सेट है जिसमें उच्च गुणवत्ता में YouTube से एक मिलियन से अधिक वीडियो फ़ाइलें शामिल हैं, अधिक सटीक जानकारी देने के लिए, मई 2018 तक, 3862 वर्गों के साथ 6.1M वीडियो थे। यह डेटासेट क्रिएटिव कॉमन्स एट्रिब्यूशन 4.0 इंटरनेशनल (सीसी बाय 4.0) के तहत लाइसेंस प्राप्त है। ऐसा लाइसेंस आपको किसी भी माध्यम और प्रारूप पर सामग्री को कॉपी और वितरित करने की अनुमति देता है।

आप शायद आश्चर्य करते हैं: वीडियो डेटा कहाँ से आता है जब कार्य के लिए ध्वनिक जानकारी की आवश्यकता होती है, और आप बहुत सही होंगे। तथ्य यह है कि Google न केवल वीडियो सामग्री प्रदान करता है, बल्कि ऑडियो डेटा के साथ एक उपप्रोजेक्ट को अलग से आवंटित करता है जिसे ऑडियोसेट कहा जाता है।

AudioSet - YouTube वीडियो से प्राप्त एक डेटा सेट प्रदान करता है, जहां एक ऑन्कोलॉजी फ़ाइल का उपयोग करके एक श्रेणी पदानुक्रम में बहुत अधिक डेटा प्रस्तुत किया जाता है, इसका ग्राफिकल प्रतिनिधित्व नीचे स्थित है।

यह फ़ाइल आपको कक्षाओं के घोंसले के बारे में और साथ ही यूट्यूब वीडियो तक पहुंचने का एक विचार प्राप्त करने की अनुमति देती है। इंटरनेट स्पेस से डेटा अपलोड करने के लिए, आप आवश्यक कार्य के आधार पर अजगर मॉड्यूल - youtube-dl का उपयोग कर सकते हैं, जो आपको ऑडियो या वीडियो सामग्री डाउनलोड करने की अनुमति देता है।

AudioSet तीन समूहों में विभाजित क्लस्टर का प्रतिनिधित्व करता है: परीक्षण, प्रशिक्षण (संतुलित) और प्रशिक्षण (असंतुलित) डाटासेट ।

आइए इस क्लस्टर को देखें और इनमें से प्रत्येक सेट का विश्लेषण अलग-अलग वर्गों के विचार से करें।

प्रशिक्षण (संतुलित)

प्रलेखन के अनुसार, इस डेटासेट में कीवर्ड द्वारा चयनित विभिन्न वीडियो से प्राप्त 22,176 सेगमेंट होते हैं, जो प्रत्येक कक्षा को कम से कम 59 प्रतियाँ प्रदान करते हैं। यदि हम सेट के पदानुक्रम में रूट कक्षाओं के वितरण घनत्व को देखते हैं, तो हम देखेंगे कि संगीत वर्ग ऑडियो फाइलों का सबसे बड़ा समूह है।

संगठित कक्षाएं कक्षाओं के सबसेट में विघटित हो जाती हैं, जिससे आप इसका उपयोग करते समय अधिक विस्तृत जानकारी प्राप्त कर सकते हैं। इस संतुलित प्रशिक्षण सेट में एक वितरण घनत्व होता है, जिस पर यह स्पष्ट होता है कि संतुलन मौजूद है, लेकिन यह भी व्यक्तिगत वर्ग सामान्य दृष्टिकोण से बहुत अलग हैं।

उन वर्गों का वितरण जिनके तत्वों की संख्या औसत मूल्य से अधिक है

ऑडियो फाइलों में से प्रत्येक की औसत अवधि 10 सेकंड है, डिस्क आरेख द्वारा अधिक विस्तृत जानकारी प्रस्तुत की जाती है, जिससे पता चलता है कि कुछ फ़ाइलों की अवधि मुख्य सेट से भिन्न होती है। यह चार्ट भी प्रस्तुत किया गया है।

ऑडिओसेट के संतुलित सेट से डेढ़ प्रतिशत गैर-औसत अवधि का आरेख

प्रशिक्षण (असंतुलित)

इस डेटासेट का लाभ इसका आकार है। बस कल्पना करें कि, प्रलेखन के अनुसार, इस सेट में 2,042,985 खंड शामिल हैं और संतुलित डेटासेट के साथ तुलना में, महान परिवर्तनशीलता का प्रतिनिधित्व करता है, लेकिन इस सेट का एन्ट्रापी बहुत अधिक है।

इस सेट में, प्रत्येक ऑडियो फ़ाइल की औसत अवधि भी 10 सेकंड के बराबर होती है, इस डेटासेट के लिए डिस्क आरेख नीचे प्रस्तुत किया गया है।

ऑडियोसेट के असंतुलित सेट से गैर-औसत अवधि चार्ट

परीक्षण सेट

यह सेट लाभ के साथ एक संतुलित सेट के समान है जो इन सेटों के तत्वों को प्रतिच्छेद नहीं करता है। उनका वितरण नीचे प्रस्तुत किया गया है।

उन वर्गों का वितरण जिनके तत्वों की संख्या औसत मूल्य से अधिक है

इस डेटासेट से एक खंड की औसत अवधि भी 10 सेकंड के बराबर है

और बाकी डिस्क आरेख पर दिखाई गई अवधि है

चयनित डेटासेट के अनुसार ध्वनिक डेटा का विश्लेषण और डाउनलोड करने के लिए उदाहरण कोड:

 import plotly import plotly.graph_objs as go from collections import Counter import numpy as np import os import termcolor import csv import json import youtube_dl import subprocess #      def histogram(data,hist_mean= True, filename = "tmp_histogram.html"): if hist_mean == True: cdata = Counter(data) mean_number_classes = np.asarray([cdata[x] for x in cdata]).mean() ldata = list() for name in cdata: if cdata[name] > mean_number_classes: ldata += list(Counter({name:cdata[name]}).elements()) trace_mean_data = go.Histogram(histfunc="count", x=ldata, name="count" ) trace_data = go.Histogram(histfunc="count", x=data, name="count", text="" ) trace = [ trace_data, trace_mean_data] plotly.offline.plot({ "data": trace, "layout": go.Layout(title="stack") }, auto_open=True, filename=filename) pass #       def pie_chart(labels, values = None, filename = "tmp_pie_chart.html", textinfo = 'label+value'): if labels == None: raise Exception("Can not create pie chart, because labels is None") if values == None: data = Counter(labels) labels = list() values = list() for name in data: labels.append(name) values.append(data[name]) trace = go.Pie(labels=labels, values=values,textfont=dict(size=20),hoverinfo='label+percent', textinfo=textinfo, marker=dict(line=dict(color='#000000', width=2)) ) plotly.offline.plot([trace], filename='basic_pie_chart') pass #          def audioset_analysis(audioset_file, inputOntology): if not os.path.exists(inputOntology) or not os.path.exists(audioset_file): raise Exception("Can not found file") with open(audioset_file, 'r') as fe: csv_data = csv.reader(fe) sx = list() with open(inputOntology) as f: data = json.load(f) duration_hist = list() for row in csv_data: if row[0][0] == '#': continue classes = row[3:] try: color = "green" tmp_duration = str(float(row[2]) - float(row[1])) info = str("id: ") + str(row[0]) + str(" duration: ") + tmp_duration duration_hist.append(tmp_duration) for cl in classes: for dt in data: cl = str(cl).strip().replace('"',"") if cl == dt['id'] and len(dt['child_ids']) == 0: sx.append(dt['name']) info += str(" ")+str(dt['name']) + str(",") except: color = "red" info = "File has been pass: " + str(row[0]) continue print(termcolor.colored(info, color)) histogram(sx, filename="audioset_class") pie_chart(duration_hist, textinfo="percent + label", filename="audioset_duration")

 #   youtube def youtube_download(filepath, ytid): ydl_opts = { 'format': 'bestaudio/best', 'outtmpl': os.path.normpath(filepath), 'postprocessors': [{ 'key': 'FFmpegExtractAudio', 'preferredcodec': 'wav', 'preferredquality': '192', }], } with youtube_dl.YoutubeDL(ydl_opts) as ydl: ydl.download(['https://www.youtube.com/watch?v={}'.format(ytid)]) pass #    ffmpeg def cutOfPartFile(filename,outputFile, start, end, frequency = 44100): duration = float(end) - float(start) command = 'ffmpeg -i ' command += str(filename)+" " command += " -ar " + str(frequency) command += " -ss " + str(start) command += " -t " + str(duration) + " " command += str(outputFile) subprocess.call(command,shell=True) pass #    yotube        def audioset_converter(incatalog,outcatalog, token = "*.wav", frequency = 44100): find_template = os.path.join(incatalog,token) files = glob(find_template); for file in files: _,name = os.path.split(file) name = os.path.splitext(name)[0] duration = str(name).split("_")[1:3] filename = name.split("_")[0] +"."+ token.split(".")[1]; outfile = os.path.join(outcatalog,filename) cutOfPartFile(file,outfile,start=duration[0],end=duration[1]) #    audioset def audioset_download(audioset_file, outputDataset, frequency = 44100): t,h = os.path.split(audioset_file) h = h.split(".") outputDataset_full = os.path.join(outputDataset,str(h[0])+"_full") outputDataset = os.path.join(outputDataset,str(h[0])) if not os.path.exists(outputDataset): os.makedirs(outputDataset) if not os.path.exists(outputDataset_full): os.makedirs(outputDataset_full) with open(audioset_file, 'r') as fe: csv_data = csv.reader(fe) duration_hist = list() for row in csv_data: if row[0][0] == '#': continue try: color = "green" tmp_duration = str(float(row[2]) - float(row[1])) info = str("id: ") + str(row[0]) + str(" duration: ") + tmp_duration duration_hist.append(tmp_duration) save_full_file = str(outputDataset_full) + str("//")+ str(row[0]).lstrip()+str("_") +str(row[1]).lstrip() + str("_").lstrip() + str(row[2]).lstrip() + str('.%(ext)s') youtube_download(save_full_file,row[0]) except: color = "red" info = "File has been pass: " + str(row[0]) continue print(termcolor.colored(info, color)) audioset_converter(outputDataset_full,outputDataset, frequency = frequency)

ऑडिओसेट डेटा के विश्लेषण के बारे में अधिक विस्तृत जानकारी प्राप्त करने के लिए, या इस डेटा को ऑन्कोलॉजी फ़ाइल और ऑडीओसेट के चयनित सेट के अनुसार अंतरिक्ष से अपलोड करने के लिए, प्रोग्राम कोड GitHub रिपॉजिटरी पर स्वतंत्र रूप से उपलब्ध है ।

urbansound

उरबंसाउंड टैग किए गए ध्वनि घटनाओं के साथ सबसे बड़े डेटासेट में से एक है, जिनकी कक्षाएं शहरी वातावरण से संबंधित हैं। इस सेट को टैक्सोनोमिक (श्रेणीबद्ध) कहा जाता है, अर्थात प्रत्येक वर्ग अपने उपवर्गों में विभाजित है। इस तरह की भीड़ को एक पेड़ के रूप में दर्शाया जा सकता है।

बाद के उपयोग के लिए urbansound डेटा अपलोड करने के लिए, बस पृष्ठ पर जाएं और डाउनलोड पर क्लिक करें।

चूंकि कार्य में सभी उपवर्गों का उपयोग करने की आवश्यकता नहीं है, और आपको केवल कार से जुड़े एकल वर्ग की आवश्यकता है, आपको पहले डाउनलोड की गई फ़ाइल को खोलते समय प्राप्त निर्देशिका के मूल में स्थित मेटा फ़ाइल का उपयोग करके आवश्यक कक्षाओं को फ़िल्टर करना होगा।

सूचीबद्ध स्रोतों से सभी आवश्यक डेटा को लोड करने के बाद, यह 15,000 से अधिक फ़ाइलों वाले डेटासेट बनाने के लिए निकला। डेटा की इतनी मात्रा हमें ध्वनिक क्लासिफायरियर के प्रशिक्षण के कार्य पर आगे बढ़ने की अनुमति देती है, लेकिन डेटा की "शुद्धता" के बारे में एक अनसुलझा मुद्दा बना हुआ है, अर्थात्। प्रशिक्षण सेट में डेटा शामिल है जो समस्या के आवश्यक वर्गों से संबंधित नहीं है। उदाहरण के लिए, "ग्लास ब्रेकिंग" क्लास की फाइलें सुनते समय, आप लोगों को "ग्लास को तोड़ने के लिए अच्छा नहीं है" के बारे में बात कर सकते हैं। इसलिए, हमें डेटा को फ़िल्टर करने के कार्य के साथ सामना करना पड़ रहा है और, इस तरह की समस्या को हल करने के लिए एक उपकरण के रूप में, एक उपकरण पूरी तरह से उपयुक्त है, जिसमें से मूल बेलारूसी लोगों द्वारा विकसित किया गया था और अजीब नाम "Yandex.Toloka" प्राप्त किया।

Yandeks.Toloka

Yandex.Toloka मशीन सीखने में आगे उपयोग के लिए बड़ी मात्रा में डेटा को चिह्नित करने या एकत्र करने के लिए 2014 में बनाई गई एक क्राउडफंडिंग परियोजना है। वास्तव में, यह उपकरण आपको मानव संसाधन का उपयोग करके डेटा एकत्र करने, चिह्नित करने और फ़िल्टर करने की अनुमति देता है। हां, यह परियोजना न केवल आपको समस्याओं को हल करने की अनुमति देती है, बल्कि अन्य लोगों को भी पैसे कमाने की अनुमति देती है। इस मामले में वित्तीय बोझ आपके कंधों पर पड़ता है, लेकिन इस तथ्य के कारण कि 10,000 से अधिक टोलकर्मी कलाकारों की ओर से कार्य करते हैं, निकट भविष्य में काम के परिणाम प्राप्त होंगे। इस उपकरण के संचालन का एक अच्छा विवरण यांडेक्स ब्लॉग पर पाया जा सकता है।

सामान्य तौर पर, क्रश का उपयोग विशेष रूप से मुश्किल नहीं है, क्योंकि किसी कार्य के प्रकाशन के लिए केवल साइट पर पंजीकरण, 10 अमेरिकी डॉलर की न्यूनतम राशि और सही ढंग से निष्पादित कार्य की आवश्यकता होती है। किसी कार्य को सही ढंग से तैयार करने के लिए, आप Yandex.Tolok प्रलेखन देख सकते हैं या हैबर पर एक बुरा लेख नहीं है। अपने आप से इस लेख में मैं जोड़ना चाहता हूं कि भले ही आपके कार्य की आवश्यकता के लिए उपयुक्त कोई टेम्पलेट गायब हो, लेकिन इसके विकास में कुछ घंटों से अधिक का समय नहीं लगेगा, कॉफी और सिगरेट के लिए एक ब्रेक के साथ, और कार्य दिवस के अंत तक कलाकारों के परिणाम प्राप्त किए जा सकते हैं।

निष्कर्ष

मशीन लर्निंग में, वर्गीकरण या प्रतिगमन समस्या को हल करते समय, प्राथमिक कार्यों में से एक एक विश्वसनीय डेटा सेट - एक डेटासेट विकसित करना है। इस लेख में, बड़ी मात्रा में ध्वनिक डेटा वाले सूचना स्रोतों पर विचार किया गया था, जिससे किसी विशिष्ट कार्य के लिए आवश्यक डेटा सेट करना और संतुलित करना संभव हो गया। प्रस्तुत कार्यक्रम कोड हमें डेटा को अपलोड करने के संचालन को न्यूनतम करने की अनुमति देता है, जिससे डेटा प्राप्त करने का समय कम हो जाता है और एक क्लासिफायर के विकास पर अपना शेष खर्च होता है।

अपने कार्य के लिए, इस आलेख में प्रस्तुत सभी स्रोतों से डेटा एकत्र करने और बाद में डेटा को फ़िल्टर करने के बाद, मैं ध्वनिक क्लासिफायरियर को प्रशिक्षित करने के लिए आवश्यक डेटासेट बनाने में कामयाब रहा, जो एक तंत्रिका नेटवर्क पर आधारित है। मुझे उम्मीद है कि यह लेख आपको और आपकी टीम को समय बचाने और नई तकनीकों के विकास पर खर्च करने की अनुमति देगा।

पीएस ए सॉफ्टवेयर मॉड्यूल अजगर में विकसित किया गया है, विश्लेषण और प्रस्तुत स्रोतों में से प्रत्येक के लिए ध्वनिक डेटा अपलोड करने के लिए, आप जीथब रिपॉजिटरी में पा सकते हैं

एक तंत्रिका नेटवर्क के प्रशिक्षण के लिए एक ध्वनिक डेटासेट का विकास

More articles: