在keras中建立CNN网络？

Question

我目前正在尝试实现一个cnn网络，它可以将输入映射到输出。

输入由音频文件构成，输出是特征向量。

由于音频文件的长度不同，总采样数总是不一样，但每个采样的帧长度为25 ms，并且重叠了10 ms。形状（x，2050）

输出是一个特征矢量形状是（x，13）。

我以为cnn的使用在这里看起来很合适，因为每个输入都包含由于重叠而导致的前一个样本的一些信息。

是否有可能在keras设计一个模型，利用这个，所以会计算一个矩阵的每一行的卷积和，并以某种方式使它知道25帧长度和10重叠。

Answer 1

是的，请参见本文件的第220行[1]。这是使用卷积在Keras中实现的Wavenet。即使他们已经创建了包装图层，这应该能够让您直观地了解如何对音频样本进行建模。

[1] https://github.com/basveeling/wavenet/blob/master/wavenet.py#L220