基于 pytorch 实现 语音识别 有代码有数据

目录

环境：

导入数据：

数据获取：

数据展示：

格式化数据：

标签的编码与还原：

构建数据加载器：

构建模型：

训练模型：

 训练过程中的loss

 测试模型：

环境：

• 语言环境：Python3.8
• 编译器：Jupyter Lab
• 深度学习环境：
  • torch==1.10.0+cu113
  • torchvision==0.11.1+cu113

导入数据：

我将使用 torchaudio 来下载 SpeechCommands 数据集，它是由不同人录制的 35 个命令的语音数据集。在这个数据集中，所有的音频文件都大约 1 秒长（大约 16000 个时间帧长）。

实际的加载和格式化步骤发生在访问数据点时，torchaudio 负责将音频文件转换为张量。如果想直接加载音频文件， 可以使用torchaudio.load()。它返回一个元组，其中包含新创建的张量以及音频文件的采样频率（SpeechCommands 为 16kHz）

import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
i