tf.keras.utils.audio_dataset_from_directory

Генерирует набор данных tf.data.Dataset из аудиофайлов в каталоге.

tf.keras.utils.audio_dataset_from_directory(
    directory,
    labels='inferred',
    label_mode='int',
    class_names=None,
    batch_size=32,
    sampling_rate=None,
    output_sequence_length=None,
    ragged=False,
    shuffle=True,
    seed=None,
    validation_split=None,
    subset=None,
    follow_links=False,
    verbose=True
)

Используется в ноутбуках

Используется в учебниках
Простая распознавание аудио: распознавание ключевых слов

Если структура вашего каталога:

main_directory/
...class_a/
......a_audio_1.wav
......a_audio_2.wav
...class_b/
......b_audio_1.wav
......b_audio_2.wav

Тогда вызов audio_dataset_from_directory(main_directory, labels='inferred') вернет набор данных tf.data.Dataset, который возвращает пакеты аудиофайлов из подкаталогов class_a и class_b, вместе с метками 0 и 1 (0 соответствует class_a, а 1 соответствует class_b).

В настоящее время поддерживаются только файлы формата .wav.

Аргументы
`directory`	Каталог, где расположены данные. Если `labels` равен `"inferred"`, он должен содержать подкаталоги, каждый из которых содержит аудиофайлы для класса. В противном случае структура каталога игнорируется.
`labels`	Либо "inferred" (метки генерируются из структуры каталога), `None` (без меток), или список/кортеж целочисленных меток того же размера, что и количество аудиофайлов, найденных в каталоге. Метки должны быть отсортированы в соответствии с алфавитным порядком путей к аудиофайлам (полученным с помощью `os.walk(directory)` в Python).
`label_mode`	Строка, описывающая кодирование `labels`. Варианты: `"int"`: означает, что метки закодированы как целые числа (например, для потери `sparse_categorical_crossentropy`). `"categorical"` означает, что метки закодированы как категориальный вектор (например, для потери `categorical_crossentropy`). `"binary"` означает, что метки (могут быть только 2) закодированы как `float32` скаляры со значениями 0 или 1 (например, для `binary_crossentropy`). `None` (без меток).
`class_names`	Действительно только если "метки" равны `"inferred"`. Это явный список имен классов (должен совпадать с именами подкаталогов). Используется для управления порядком классов (в противном случае используется алфавитный порядок).
`batch_size`	Размер пакетов данных. По умолчанию: 32. Если `None`, данные не будут пакетированы (набор данных будет возвращать отдельные образцы).
`sampling_rate`	Частота дискретизации аудио (в отсчетах в секунду).
`output_sequence_length`	Максимальная длина аудиопоследовательности. Аудиофайлы, длиннее этого, будут усечены до `output_sequence_length`. Если установлено значение `None`, все последовательности в одном пакете будут дополнены до длины самой длинной последовательности в пакете.
`ragged`	Нужно ли вернуть набор данных Ragged (где каждая последовательность имеет свою длину). По умолчанию `False`.
`shuffle`	Нужно ли перемешивать данные. По умолчанию `True`. Если установлено значение `False`, данные сортируются в алфавитном порядке.
`seed`	Необязательное случайное семя для перемешивания и преобразований.
`validation_split`	Необязательное число с плавающей точкой от 0 до 1, доля данных, которые необходимо зарезервировать для проверки.
`subset`	Подмножество данных для возврата. Один из `"training"`, `"validation"` или `"both"`. Используется только если `validation_split` установлено.
`follow_links`	Нужно ли посещать подкаталоги, на которые указывают символические ссылки. По умолчанию `False`.
`verbose`	Нужно ли отображать информацию о количестве классов и найденных файлах. По умолчанию `True`.

Возвращаемое значение

Объект набора данных tf.data.Dataset.

Если label_mode равен None, он возвращает string тензоры формы (batch_size,), содержащие содержимое пакета аудиофайлов.
В противном случае он возвращает кортеж (audio, labels), где audio имеет форму (batch_size, sequence_length, num_channels), а labels следует формату, описанному ниже.

Правила относительно формата меток:

если label_mode равен int, метки являются int32 тензором формы (batch_size,).
если label_mode равен binary, метки являются float32 тензором из 1 и 0 с формой (batch_size, 1).
если label_mode равен categorical, метки являются float32 тензором формы (batch_size, num_classes), представляющим кодирование в виде одного горячего кода индекса класса.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/keras/utils/audio_dataset_from_directory