ketosで音響解析その２

はじめに

前回の記事でデータベースを作成したので今回はそれを基に検出器を作成していきます。

必要なデータはここにあります。
前回作成したデータベースや今回のコードも入っています。

分類器のトレーニング

まずはチュートリアルで使用されるランダムシードを定義する必要があるようです。

import numpy as np
np.random.seed(1000)

import tensorflow as tf
tf.random.set_seed(2000)

インポートする

今回使うものです。

import ketos.data_handling.database_interface as dbi
from ketos.neural_networks.resnet import ResNetInterface
from ketos.data_handling.data_feeding import BatchGenerator

トレーニング

まずはデータベースに接続します。

db = dbi.open_file("database.h5", 'r')

次にdb内のテーブルを使えるようにしておきます。

train_data = dbi.open_table(db, "/train/data")
val_data = dbi.open_table(db, "/val/data")

学習させるためのバッチサイズなどの指定をketosに沿って設定していきます。

def transform_batch(X, Y):
    x = X.reshape(X.shape[0],X.shape[1],X.shape[2],1)
    y = tf.one_hot(Y['label'], depth=2, axis=1).numpy()
    return x, y

train_generator = BatchGenerator(batch_size=128, data_table=train_data, 
                                  output_transform_func=ResNetInterface.transform_batch,
                                  shuffle=True, refresh_on_epoch_end=True)

val_generator = BatchGenerator(batch_size=128, data_table=val_data,
                                 output_transform_func=ResNetInterface.transform_batch,
                                 shuffle=True, refresh_on_epoch_end=False)

ニューラルネットワークの作成とトレーニング

チュートリアルではResNetを使用します。

下準備

resnet = ResNetInterface.build_from_recipe_file("recipe.json")

resnet.train_generator = train_generator
resnet.val_generator = val_generator

resnet.checkpoint_dir = "checkpoints"

学習開始

resnet.train_loop(n_epochs=30, verbose=True)

学習が完了したらデータベースを閉じ、モデルを保存します。

db.close()

resnet.save_model('narw.kt',audio_repr_file='spec_config.json')

今回はこれで終了します。