【Udemy中英字幕】Audio Classification using Convolutional Neural Net

使用卷积神经网络进行音频​​分类

使用卷积神经网络和 Raspberry 5 AI 模型部署进行音频分类

讲师：Ahmed Qusay

双语IT资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！

用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。

您将学到什么

• 定义真实的音频环境来记录机器学习模型预测的片段。
• 编写负面和正面的音频片段以供机器学习使用。
• 注入“音频关键词”以在 Positive Audio Clips 中触发 RASPI 5 处理器动作。
• 将音频文件切分成多个音频片段，以供神经网络输入。
• 应用神经网络使用的原始音频准备的 5 个阶段（负载、时间域、频域、频谱图和调整大小）。
• 使用 Librosa、频谱图和原始音频分贝供神经网络使用。
• 将标记音频片段用作正音频和负音频，以供神经网络训练使用。
• 对音频片段进行切片、标记和批处理以供神经网络使用。
• 使用 Google Colab 创建一个带有卷积神经网络的 Python 程序，用于音频分类和预测，并保存为 H5 AI 模型。
• 组装 Raspberry Pi 5 和其他硬件设备以用于音频预测。
• 安装 Raspberry Pi 5 软件要求，包括操作系统、VNC 查看器、Librosa、Tensorflow 等。
• 使用FileZilla将要保存的H5 AI模型传输到Raspberry Pi 5中。
• 在 Raspberry Pi 5 内部部署并运行 H5 AI 模型并进行音频预测。
• 使用 Raspberry Pi 5 音频预测来控制伺服电机的运动。

探索相关主题

要求

• 具备Python基础知识和AI基础知识。

描述

本课程旨在让您真正了解如何在机器学习中处理音频文件。本课程将为您提供使用 Python 从 A 到 Z 处理音频文件的完整记录。本课程将解释如何使用卷积神经网络生成用于音频分类目的的 H5 AI 模型。本课程将让您全面了解 Raspberry Pi 5 的组装、编程、AI 模型部署和音频文件预测。我们将学习如何识别音频环境以用于机器学习。我们将学习如何录制音频文件并将其切成正负类型的片段。如何处理原始音频片段并注入神经网络要检测的“关键字”。应用片段标记、片段切片和片段批处理，为将音频片段馈送到神经网络做准备。应用所需的阶段（加载、时域、频域、频谱图和调整大小）来处理原始音频片段以供预测使用。使用 Python 编程生成用于音频预测目的的 H5 AI 模型。在 Raspberry Pi 5 中部署并运行 H5 AI 模型，以音频命令控制伺服电机的运动。使用实时音频预测过程测试模型。

本课程适合哪些人：

• 每个人都需要全面了解机器学习中的音频文件操作。
• 每个人都需要全面了解 Python 中的音频文件操作。
• 每个人都需要全面了解使用 Raspberry Pi 5 进行音频文件处理。