1

我正在尝试使用VGGish模型的预训练基础生成的 128 字节嵌入来对音频数据进行迁移学习。用于将python vggish_inference_demo.py --wav_file ...我的训练数据编码为 tfrecord 效果很好，但现在我想将其用作另一个模型的输入（例如，我用 keras 或其他东西创建的神经网络）。使用一些类似的问题和文档，我用一个文件的第一个嵌入记录走了这么远：

tfrecords_filename = 'example1.tfrecord'
record_iterator = tf.python_io.tf_record_iterator(path=tfrecords_filename)
string_record = next(record_iterator)
example = tf.train.SequenceExample()
example.ParseFromString(string_record)
print(example.feature_lists.feature_list['audio_embedding'].feature[0].bytes_list.value)

这产生

[b'\x99\x07\xaa>\xd2_R_\x9f\xbbqN\x99\xa18V\xad\x7f\x93\xf0)\xdd4\x80~\xb0\xa4d\x8e\x85\xb6\x88\xa3?U\xa6Q[\x9b\x038\xff\x00EE>OJ\xa5\xb8\x828)\x97^\x8a\xaa\x12h\xff\xff\xc39\xce\x9b\x13\x80\x00j\xcaZ\xac\xff\xff\x0f\xac\x1c\x90&\xd2.b\xe2{\xc1\x15\xe9\xba\xed\xd4\xa9\xff\xdc\xb5\x99]!\x04\xca\xff\xa6;b\xe0\x19\xbfW\xebP!\xff\xc5\xff\x82\xff\x1a\xbe\xec-h\xff\x8d\xff\r\x96\x00\x00\xff']

我什至不确定这b'...'是什么（超过 64 个且少于 128 个 xs - 所以不确定这与任何东西是如何对齐的）。

也许我在这里缺少一些基本的 Python 知识，但是如何将其转换为可以用作其他模型的输入的数字数组？

4

1 回答 1

4

事实证明，这些是可以转换为十六进制的字节，可以转换为 0 到 255 之间的整数数组。

import tensorflow as tf
import numpy as np

tfrecords_filename = 'example1.tfrecord'
record_iterator = tf.python_io.tf_record_iterator(path=tfrecords_filename)
string_record = next(record_iterator)
example = tf.train.SequenceExample()
example.ParseFromString(string_record)
hexembed = example.feature_lists.feature_list['audio_embedding'].feature[0].bytes_list.value[0].hex()
arrayembed = [int(hexembed[i:i+2],16) for i in range(0,len(hexembed),2)]
print(arrayembed)

这会以我想要的格式生成输出：

[153、7、170、62、210、95、82、95、159、187、113、78、153、161、56、86、173、127、147、240、41、221、52、128、126 , 176, 164, 100, 142, 133, 182, 136, 163, 63, 85, 166, 81, 91, 155, 3, 56, 255, 0, 69, 69, 62, 79, 74, 165, 184 , 130, 56, 41, 151, 94, 138, 170, 18, 104, 255, 255, 195, 57, 206, 155, 19, 128, 0, 106, 202, 90, 172, 255, 255, 15 , 172, 28, 144, 38, 210, 46, 98, 226, 123, 193, 21, 233, 186, 237, 212, 169, 255, 220, 181, 153, 93, 33, 4, 202, 255 , 166, 59, 98, 224, 25, 191, 87, 235, 80, 33, 255, 197, 255, 130, 255, 26, 190, 236, 45, 104, 255, 141, 255, 13, 150 , 0, 0, 255]

于 2018-11-18T19:29:05.880 回答