李宏毅2022hw2

任务介绍：

数据预处理:从原始波形中提取MFCC特征(TAs已经做了!)
分类:使用预先提取的MFCC特征进行帧级音素分类

任务:多级分类
从语音中进行基于框架的音素预测

数据：

由于每一帧只包含25毫秒的语音，因此单个帧不可能代表一个完整的音素
通常，一个音素会跨越几个帧
将相邻的音素连接起来进行训练

 每一段是39长度的向量。 将相邻的音素连接起来进行训练，然后会给出前后五段的数据，也就是我们有11*39 = 429 维度的一个特征，根据这个特征去做分类 。

libriphone/

• train_split.txt (train metadata)

• train_labels.txt (train labels)

• test_split.txt (test metadata)

• feat/ （pt文件，张量）

  • train/

  • test/

1.修改参数

2.修改网络，增加归一化和dropout