29、语音数字识别与关键词检测的深度学习实现

语音数字识别与关键词检测的深度学习实现

1. 基于内存外特征训练语音数字识别网络

在处理大规模数据时，训练特征可能无法全部加载到内存中。本部分将介绍如何使用转换数据存储来训练语音数字识别网络，该网络基于内存外的听觉频谱图进行训练。

1.1 数据准备

首先，需要下载免费的语音数字数据集（FSDD），该数据集包含四个说话者说英语数字 0 到 9 的 2000 条录音。具体操作步骤如下：

downloadFolder = matlab.internal.examples.downloadSupportFile("audio","FSDD.zip");
dataFolder = tempdir;
unzip(downloadFolder,dataFolder)
dataset = fullfile(dataFolder,"FSDD");
ads = audioDatastore(dataset,IncludeSubfolders=true);
[~,filenames] = fileparts(ads.Files);
ads.Labels = categorical(extractBefore(filenames,'_'));
summary(ads.Labels);

运行上述代码后，会输出每个类别的样本数量：
| Label | Count |
| — | — |
| 0 | 200 |
| 1 | 200 |
| 2 | 200 |
| 3 | 200 |
| 4 | 200 |
|