阿里云——零基础入门语音识别——食物声音识别——代码跑通及解析

大佬代码在这
我也是个垃圾，初学者练习这个项目，我认为第一步是熟悉这个平台的使用，这种云编程不同于pycharm，初学者可能会感觉十分别扭（比如垃圾的我），所以我在这个笔记里尽可能详细的说一下如何让大佬代码在自己的notebook里跑一边，只有知道了总体流程，才能写出属于自己的东西。

强调一下，代码是大佬的，我们只是借鉴一下，所以想要有所进步，还需要自己的努力。
零基础入门语音识别——食物声音识别
打开我给的连接，会是这个样子
![在这里插入图片描述](https://img-blog.csdnimg.cn/eabb06b2c546490d843e3b74b10

该注册的注册，该登录的登录。
然后报名参赛。
以后就可以在自己的个人中心找到了

进入比赛，点击论坛，新建notebook（建议用这种方式新建，因为这样你的notebook会自动挂载比赛所需要的数据集，当然，今天跑的代码不需要）

然后会是这样的，可以在左下角新建，这时，你的代码是无法修改的，记住带点击右上角的编辑，进入notebook，

进入以后把这些没用的删了，用小剪刀这个工具，

然后点击+号，新建cell，把这篇文章开头的链接的大佬的代码复制过去，不要漏，然后从上往下，依次运行（单个三角形），注意一定要确定当前这个框里的代码全部跑完再运行下一行。

这个*号代表正在运行，

空的代表没有运行，

数字代表的是成功运行的，注意数字的顺序，一定要的按顺序的，如果出现12324这种，代表你分步运行时出错了，
当然，你也可以点击双三角
直接运行所有，但是我觉得初学者还是一步一步的看到代码运行的状态，对学习帮助更好一些（因人而异把）

特别强调，对于基本没有接触过深度学习的小白来说，代码运行时间绝对会是一个难忘的经历，我运行了

运行成功了

好了，现在开始进行解释：

!wget http://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/531887/train_sample.zip

!wget你可以理解为netebook用来下载数据的命令

!unzip -qq train_sample.zip
!\rm train_sample.zip

使用unzip函数解压缩，通过\rm将压缩包删除
所以，对于训练集和测试集，我们先下载好压缩包，解压后删除原本压缩包。

# 基本库

import pandas as pd
import numpy as np

from sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report
from sklearn.model_selection import GridSearchCV

from sklearn.preprocessing import MinMaxScaler

1、train_test_split返回切分的数据集train/test。
将训练集划分为训练集和测试集，这点和机器学习相同。
随机划分样本数据为训练集和测试集的，当然也可以人为的切片划分。

2、
sklearn.metrics里面会有很多的评价指标，即用于检验机器学习模型效果的定量指标。
sklearn中的classification_report函数用于显示主要分类指标的文本报告．在报告中显示每个类的精确度，召回率，F1值等信息。

3、GridSearchCV，它存在的意义就是自动调参，只要把参数输进去，就能给出最优化的结果和参数。
（GridSearchCV的名字其实可以拆分为两部分，GridSearch和CV，即网格搜索和交叉验证。这两个名字都非常好理解。网格搜索，搜索的是参数，即在指定的参数范围内，按步长依次调整参数，利用调整的参数训练学习器，从所有的参数中找到在验证集上精度最高的参数，这其实是一个训练和比较的过程。）

4、MinMaxScaler的功能是将每个元素（特征，feature）转换成给定范围的值。
（对数据进行预处理的，主要功能可以概括成标准化和归一化。MinMaxScaler是一个归一化的函数，可以将范围所放在指定的范围区间内）

# 加载深度学习框架（搭建分类模型所需要的库）
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv2D, Flatten, Dense, MaxPool2D, Dropout
from tensorflow.keras.utils import to_categorical 
from sklearn.ensemble import RandomForestClassifier
from sklearn.svm import SVC

#加载音频处理库
pip install librosa --user

# 其他库
import os
import librosa
import librosa.display
import glob 

加载深度学习框架（搭建分类模型所需要的库）

keras系列︱Sequential与Model模型、keras基本结构功能（一）
sklearn.ensemble库,支持众多集成学习算法和模型。
RandomForestClassifier是非常具有代表性的Bagging集成算法，它的所有基评估器都是决策树，分类树组成的森林就叫做随机森林分类器，回归树所集成的森林就叫做随机森林回归器。

sklearn.svm库支持向量机，主要用于分类，回归和异常检测。SVC全称是C-Support Vector Classification，是一种基于libsvm的支持向量机，由于其时间复杂度为O(n^2)，所以当样本数量超过两万时难以实现。
keras网络结构（关于keras先了解一下，我学习后再做笔记）

#加载音频处理库
pip install librosa --user
下面的感兴趣仔细看一下，不想看的话就跳过吧，反正知道这个库时用来处理声音数据的就行了，大佬的代码里用到的东西，我还会再仔细说明的。
原文在这里

其他：
os 是python环境下对文件，文件夹执行操作的一个模块。

librosa.display模块并不默认包含在librosa中,使用时要单独引入，是用来做音频特征的显示。

glob是UNIX程序，用来匹配路径文件名

好了，现在我们已经把数据集下载好了，并且把要用到的库也导入了，该进行数据集的处理了

#特征提取及数据集的创建
feature = []
label