%20(2).svg)
项目简介
本项目是基于PyTorch框架开发的音频分类系统，专为DCASE2023任务1打造。它覆盖了从数据处理、模型训练到模型评估的完整流程，支持多种音频特征提取方法与深度学习模型，旨在实现高效、精准的音频分类，适用于城市声学场景的识别任务。
项目的主要特性和功能
- 数据处理：可进行音频文件拼接、频谱特征提取、数据增强（如Mixup和MixStyle），还能制作和读取数据集。
- 模型架构：支持ACDNet、CP_ResNet、MobileViT和PaSST等多种深度学习模型，并提供模型复杂度计算工具。
- 训练过程：定义普通训练和知识蒸馏训练过程，支持自定义优化器和学习率调度器。
- 模型压缩：提供模型压缩策略，如量化（施工中）。
- 预训练模型：提供预训练模型参数，支持在特定数据集上微调。
安装使用步骤
1. 环境配置
确保安装所有必要的Python包，使用以下命令安装：
bash
pip install -r requirements.txt
此外，需安装hear21passt库。
2. 数据准备
2.1 制作数据集
使用dataset目录下的files_reassembled.ipynb和meta_csv_reassembled.ipynb制作reassembled数据集，完成后在configs/dataconfig.py中修改数据集路径。
2.2 制作h5格式的数据集
根据需求选择原版或reassembled版数据集，修改configs/dataconfig.py中的配置，运行datagenerator.py生成h5格式的数据集。
3. 模型训练
3.1 获取模型
从model_src目录导入所需模型，如ACDNet、CP_ResNet等，并加载到设备上。
python
from model_src.acdnet import GetACDNetModel
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
acdnet = GetACDNetModel(mixstyle_conf=mixstyle_config, input_len=32000, nclass=10, sr=32000).to(device)
3.2 训练模型
修改configs目录下的配置文件，指定数据集、模型、优化器和学习率调度器等参数，运行run/run.py开始训练。
bash
python run/run.py
4. 模型评估
训练完成后，模型参数保存在model_weights目录，训练日志保存在logs目录，训练图表保存在figure目录。使用测试脚本run/testscript.py进行模型评估。
5. 自定义扩展
- 新增数据集：在
dataset/datagenerator.py中添加新的数据集类，并修改configs/dataconfig.py。 - 新增数据增强：在
dataset/augmentation.py中添加新的数据增强策略。 - 新增模型：在
model_src目录下添加新的模型实现，并将使用的模块放到model_src/module目录下。 - 新增优化器：在
optim目录下添加新的优化器或学习率调度器。 - 新增训练行为：在
train目录下添加新的训练行为，如对抗训练或知识蒸馏。
下载地址
点击下载 【提取码: 4003】【解压密码: www.makuang.net】