from sklearn.preprocessing import StandardScaler
import numpy as np
from sklearn.model_selection import train_test_split
from model import creat_model
import tensorflow as tf
import matplotlib.pyplot as plt
#导入数据
data=np.load('data.npz')['arr_0']
label=np.load('data.npz')['arr_1']
#归一化
scaler = StandardScaler()
X = scaler.fit_transform(np.array(data, dtype=float))
print('数据集的维度',X.shape)
#独热编码
label=tf.one_hot(label,10)
print('label shape',label.shape)
#划分训练集,测试集
X_train, X_test, label_train, label_test = train_test_split(X, np.array(label), test_size=0.2)
print('训练集',X_train.shape)
print('训练集标签',label_train.shape)
#模型的构建
model=creat_model()
print('打印模型')
model.summary()
#编译模型
model.compile(optimizer='adam',
loss='categorical_crossentropy',
metrics=['accuracy'])
#模型的训练
history=model.fit(X_train,label_train,epochs=500,batch_size=64,validation_data=(X_test,label_test))
acc = history.history['accuracy']
val_acc = history.history['val_accuracy']
loss = history.history['loss']
val_loss = history.history['val_loss']
plt.subplot(1, 2, 1)
plt.plot(acc, label='Training Accuracy')
plt.plot(val_acc, label='Validation Accuracy')
plt.title('Training and Validation Accuracy')
plt.legend()
plt.subplot(1, 2, 2)
plt.plot(loss, label='Training Loss')
plt.plot(val_loss, label='Validation Loss')
plt.title('Training and Validation Loss')
plt.legend()
plt.savefig('loss.png')
plt.show()
#模型的保存
model.save('model.h5')
#模型的评估
test_loss,test_acc=model.evaluate(X_test,label_test)
print('测试误差',test_loss)
print('测试准确率',test_acc)
没有合适的资源?快使用搜索试试~ 我知道了~
使用tensoflow2搭建神经网络进行歌曲分类,使用librosa进行歌曲信号的特征提取
共56个文件
au:48个
py:5个
npz:1个
需积分: 11 2 下载量 122 浏览量
2022-12-16
20:11:46
上传
评论 1
收藏 56.89MB ZIP 举报
温馨提示
使用tensoflow2搭建神经网络进行歌曲分类,使用librosa进行歌曲信号的特征提取
资源推荐
资源详情
资源评论
收起资源包目录
歌曲分类.zip (56个子文件)
data.npz 208KB
1.py 335B
genres
hiphop
hiphop.00029.au 1.28MB
hiphop.00028.au 1.26MB
hiphop.00030.au 1.26MB
rock
rock.00011.au 1.26MB
rock.00012.au 1.26MB
rock.00045.au 1.26MB
rock.00044.au 1.26MB
classical
classical.00048.au 1.27MB
classical.00047.au 1.26MB
classical.00046.au 1.26MB
country
country.00045.au 1.26MB
country.00044.au 1.26MB
country.00046.au 1.26MB
country.00047.au 1.26MB
blues
blues.00032.au 1.26MB
blues.00040.au 1.26MB
blues.00035.au 1.26MB
blues.00037.au 1.26MB
blues.00043.au 1.26MB
blues.00041.au 1.26MB
blues.00031.au 1.26MB
blues.00030.au 1.26MB
blues.00069.au 1.26MB
blues.00042.au 1.26MB
blues.00036.au 1.26MB
blues.00068.au 1.26MB
blues.00034.au 1.26MB
blues.00039.au 1.26MB
blues.00033.au 1.26MB
blues.00038.au 1.26MB
reggae
reggae.00025.au 1.26MB
reggae.00026.au 1.26MB
reggae.00024.au 1.26MB
reggae.00023.au 1.26MB
jazz
jazz.00039.au 1.26MB
jazz.00040.au 1.26MB
jazz.00042.au 1.26MB
jazz.00041.au 1.26MB
metal
metal.00063.au 1.26MB
metal.00044.au 1.26MB
metal.00062.au 1.26MB
metal.00043.au 1.26MB
disco
disco.00003.au 1.27MB
disco.00001.au 1.27MB
disco.00002.au 1.26MB
disco.00000.au 1.27MB
pop
pop.00025.au 1.26MB
pop.00026.au 1.26MB
loss.png 47KB
model.h5 38KB
model.py 582B
聚类.py 414B
data.py 1KB
train.py 2KB
共 56 条
- 1
资源评论
一壶浊酒..
- 粉丝: 1336
- 资源: 44
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功