36、音频处理与建模的多维度实现

音频处理与建模的多维度实现

一、预训练音频网络的迁移学习

1.1 迁移学习概述

迁移学习在深度学习应用中十分常见，它允许我们以预训练网络为起点来学习新任务。与从头开始随机初始化权重训练网络相比，使用迁移学习对网络进行微调通常更快且更简单。我们可以利用较少的训练信号，快速将已学习的特征迁移到新任务中。在这个示例中，我们将重新训练预训练的卷积神经网络 YAMNet，以对一组新的音频信号进行分类。

1.2 数据加载

1. 下载和解压数据集 ：下载并解压空气压缩机数据集。该数据集包含处于健康状态或七种故障状态之一的空气压缩机的录音。

zipFile = matlab.internal.examples.downloadSupportFile('audio','AirCompressorDataset/AirCompresso');
dataFolder = fileparts(zipFile);
unzip(zipFile,dataFolder);

2. 创建音频数据存储对象 ：使用 audioDatastore 函数创建一个对象来管理数据。

ads = audioDatastore(dataFolder,IncludeSubfolders=true,LabelSource="foldernam