基于GPU加速的小波时间散射-语音数字识别

这个示例使用:

打开生活的脚本

这个例子展示了如何利用小波散射特征加速计算gpuArray(并行计算工具箱)．您必须有并行计算工具箱™和支持的GPU。金宝app看到GPU支金宝app持情况(并行计算工具箱)获取详细信息。这个例子使用了NVIDIA Titan V GPU的计算能力7.0。如果您希望比较GPU和CPU的性能，示例中计算散射变换的部分提供了使用GPU或CPU的选项。

这个例子复制了在基于小波散射和深度学习的语音数字识别．

数据

克隆或下载自由语音数字数据集(FSDD)，可在https://github.com/Jakobovski/free-spoken-digit-dataset．FSDD是一个开放的数据集，这意味着它可以随着时间的推移而增长。本例使用了在08/20/2020提交的版本，该版本包含从6个扬声器获得的3000个英文数字0到9的录音。数据采样频率为8000 Hz。

使用audioDatastore管理数据访问并确保将记录随机划分为训练集和测试集。设置位置属性设置为计算机上FSDD录音文件夹的位置。在本例中，数据存储在tempdir．

位置= fullfile (tempdir,“free-spoken-digit-dataset”，“录音”）;广告= audioDatastore(位置);

辅助功能,helpergenLabels，从FSDD文件创建标签的分类数组。列出类和每个类的例子数量。

ads.Labels = helpergenLabels(广告);总结(ads.Labels)

1 300 2 300 3 300 4 300 5 300 6 300 7 300 8 300 9 300

FSDD数据集由10个平衡的类组成，每个类有300个记录。FSDD中的录音时间不等。读取FSDD文件并构建信号长度的直方图。

LenSig = 0(元素个数(ads.Files), 1);nr = 1;而Hasdata (ads) digit = read(ads);LenSig (nr) =元素个数(数字);nr = nr + 1;结束重置(广告)直方图(LenSig)网格在包含(的信号长度(样本)) ylabel (“频率”）

直方图显示记录长度的分布是正偏态的。为了分类，本例使用8192个样本的公共信号长度。值8192是一个保守的选择，确保截断较长的录音不会影响(切断)讲话内容。如果信号长度大于8192个采样点，或大于1.024秒，则记录被截断为8192个采样点。如果信号长度小于8192个采样点，则在8192个采样点的长度上对称地加上零。

小波时间散射

使用0.22秒的不变尺度创建小波时间散射网络。因为特征向量将通过对所有时间样本的散射变换进行平均来创建，所以设置OversamplingFactor2。将该值设置为2将导致相对于临界下采样值，每条路径的散射系数增加4倍。

sn = waveletScattering (“SignalLength”, 8192,“InvarianceScale”, 0.22,．..“SamplingFrequency”, 8000,“OversamplingFactor”2);

散射网络的设置结果是326条路径。您可以用下面的代码验证这一点。

[~, npaths] =路径(sn);总和(npaths)

ans = 326

将FSDD分解为训练集和测试集。将80%的数据分配给训练集，并保留20%给测试集。训练数据用于训练基于散射变换的分类器。测试数据用于评估模型对未见数据的一般化能力。

rng默认的；广告= shuffle(广告);[adsTrain, adsTest] = splitEachLabel(广告,0.8);总结(adsTrain.Labels)

2 240 3 240 4 240 5 240 6 240 7 240 8 240 9 240

总结(adsTest.Labels)

0 60 1 60 2 60 3 60 4 60 5 60 6 60 7 60 8 60 9 60

形成一个8192 × 2400矩阵，其中每一列是一个语音数字记录。辅助函数helperReadSPData截断或填充长度为8192的数据，并按其最大值对每个记录进行规范化。helper函数将数据强制转换为单精度。

Xtrain = [];scatds_Train =变换(adsTrain @ (x) helperReadSPData (x));而hasdata(scatds_Train) smat = read(scatds_Train);Xtrain =猫(2 Xtrain smat);结束

对保留测试集重复上述过程。得到的矩阵是8192 × 600。

Xtest = [];scatds_Test =变换(adsTest @ (x) helperReadSPData (x));而hasdata(scatds_Test) smat = read(scatds_Test);Xtest =猫(2 Xtest smat);结束

将散射变换应用到训练集和测试集。将训练和测试数据集移动到GPU使用gpuArray．的使用gpuArray支持cuda的NVIDIA GPU提供了显著的加速。有了这个散射网络、批量大小和GPU, GPU实现的散射特性计算速度大约是CPU版本的15倍。如果您不希望使用图形处理器，请设置useGPU来假．您还可以替换的值useGPU比较GPU和CPU的性能。

useGPU =真正的；如果useGPU Xtrain = gpuArray(Xtrain);应变= sn.featureMatrix (Xtrain);Xtrain =收集(Xtrain);Xtest = gpuArray (Xtest);圣= sn.featureMatrix (Xtest);Xtest =收集(Xtest);其他的应变= sn.featureMatrix (Xtrain);圣= sn.featureMatrix (Xtest);结束

获得训练集和测试集的散射特征。

TrainFeatures =应变(2:,:,);TrainFeatures =挤压(平均(TrainFeatures, 2))的;TestFeatures =圣(2:,:,);TestFeatures =挤压(平均(TestFeatures, 2))的;

这个例子使用了一个二次多项式核的支持向量金宝app机分类器。将支持向量机模型与散射特征进行拟合。

模板= templateSVM (．..“KernelFunction”，多项式的，．..“PolynomialOrder”2,．..“KernelScale”，“汽车”，．..“BoxConstraint”, 1．..“标准化”,真正的);classificationSVM = fitcecoc (．..TrainFeatures,．..adsTrain。标签,．..“学习者”模板,．..“编码”，“onevsone”，．..“类名”分类({' 0 '；' 1 '；' 2 '；“3”；“4”；“5”；“6”；“7”；“8”；“9”}));

使用k-fold交叉验证，预测模型的泛化精度。将训练集分成五组进行交叉验证。

partitionedModel = crossval (classificationSVM,“KFold”5);[validationPredictions, validationScores] = kfoldPredict(partitionedModel);validationAccuracy = (1 - kfoldLoss(partitionedModel，“LossFun”，“ClassifError”)) * 100

validationAccuracy = 97.2500

估计的泛化精度约为97%。现在使用支持向量机模型来预测保留测试集。

predLabels =预测(classificationSVM TestFeatures);testAccuracy = (predLabels = = adsTest.Labels) /元素个数之和(predLabels) * 100

testAccuracy = 97

在保留测试集上的准确率也大约是97%。

用混淆图总结模型在测试集上的性能。通过使用列和行摘要显示每个类的精度和召回率。混淆图底部的表格显示了每个类的精度值。混淆图右侧的表格显示了召回值。

图(“单位”，“归一化”，“位置”，[0.2 0.2 0.5 0.5]);ccscat = confusionchart (adsTest.Labels predLabels);ccscat。Title =“小波散射分类”；ccscat。ColumnSummary =“column-normalized”；ccscat。RowSummary =“row-normalized”；

作为最后一个例子，从数据集读取前两个记录，计算散射特征，并使用散射特征训练的支持向量机预测语音数字。

重置(广告);sig1 = helperReadSPData(阅读(广告);scat1 = sn.featureMatrix (sig1);scat1 =意味着(scat1 (2:,:), 2) ';plab1 =预测(classificationSVM scat1);

读下一个记录并预测数字。

sig2 = helperReadSPData(阅读(广告);scat2 = sn.featureMatrix (sig2);scat2 =意味着(scat2 (2:,:), 2) ';plab2 =预测(classificationSVM scat2);

t = 0:1/8000: -1/8000(即:8192 * 1/8000);情节(t) [sig1 sig2])网格在轴紧传奇(char (plab1), char (plab2))标题(“语音数字预测- GPU”）

附录

本例中使用了以下辅助函数。

helpergenLabels—根据FSDD中的文件名生成标签。

函数标签= helpergenLabels(广告)%此函数仅用于小波工具箱示例。它可能是%在未来的版本中更改或删除。tmp =细胞(元素个数(ads.Files), 1);表达=“[0 - 9]+ _”；为nf = 1:numel(ads.Files) idx = regexp(ads.Files{nf}，expression);tmp {nf} = ads.Files {nf} (idx);结束标签=分类(tmp);结束

helperReadSPData—确保每段语音长度为8192个样本。

函数x = helperReadSPData (x)%此函数仅供小波工具箱使用示例。它可能会改变%将在未来的版本中被删除。N =元素个数(x);如果N > 8192 x = x(1:8192);elseifN < 8192 pad = 8192-N;前置液=地板(垫/ 2);postpad =装天花板(垫/ 2);X = [0 (prepad,1);x;0 (postpad 1)];结束x =单(x / max (abs (x)));结束