и получить что то на выходе

а в оригинале они учат, сохраняют, но потом не используют то что сохранили

помогите(((

ребята привет, нужна тулза которая в цикле вызывала бы функцию и не ждала бы ее завершения, то есть подобие многопоточность, дайте ссылку на примеры, если кто прошарил в этой теме, плиз

Асинхронное программирование

Могу скинуть ссылку на ролик на английском

https://youtu.be/BI0asZuqFXM

Отлично объясняет

https://youtu.be/BI0asZuqFXM

оо, спасибо

Отлично объясняет

помогите(((

помогите(((

ты уже загрузил её ... тебе нужно передать туда данные .. делай так же как в юпитер ноутбуке том :D

помогите(((

Редактор на какой строчке ошибка говорит?

ты уже загрузил её ... тебе нужно передать туда данные .. делай так же как в юпитер ноутбуке том :D

там они после обучения сразу

а мне надо из файла

Редактор на какой строчке ошибка говорит?

preds = model.predict(x_testcnn,

не знает x_testcnn

predictions = (lb.inverse_transform((abc))) не знает lb

actual=y_test.argmax(axis=1)не знает y_test

не знает x_testcnn

Ну так верно

в оригинале они есть, не непонятно как их получить у меня

Вы его нигде до этого не объявили

там они после обучения сразу

какая разница ?? model = load_model('saved_models/Emotion_Voice_Detection_Model.h5') вот это .. строка вместо того обучения

какая разница ?? model = load_model('saved_models/Emotion_Voice_Detection_Model.h5') вот это .. строка вместо того обучения

я понимаю

но как из нее достать недостающие переменные

Ребят, не идите в ml если основ программирования нет

Ребят, не идите в ml если основ программирования нет

мне очень надо запустить)

X_train = np.array(trainfeatures) y_train = np.array(trainlabel) X_test = np.array(testfeatures) y_test = np.array(testlabel) lb = LabelEncoder() y_train = np_utils.to_categorical(lb.fit_transform(y_train)) y_test = np_utils.to_categorical(lb.fit_transform(y_test)) x_traincnn =np.expand_dims(X_train, axis=2) x_testcnn= np.expand_dims(X_test, axis=2)

учить буду потом

да

Вот же все есть

В исходном блакноте

но trainfeatures получается магией

помоогите)

Согласен, довольно много манипуляций с пандасом делают

ну так в чем проблема скопировать и эти манипуляции?

Вы хотите запустить на данных для тестирования?

вырезать половину кода и думать ,что оно будет работать ... не ок

ну так в чем проблема скопировать и эти манипуляции?

они вычисляют какой то массив из папки с датасетом

ну так в чем проблема скопировать и эти манипуляции?

+

Вы хотите запустить на данных для тестирования?

у меня 1 звуковой файл, его надо скормить обученной нейросети из проекта

https://pastebin.com/3DwDQbgB

вот тут есть кусок загрузки файлов и кусок визуализации

Ну так смотрите

а остальное я не понял

так .. возвращаемся ! если задлача запустить обученную сеть то ттебе не нужны НИ train НИ test данные

У вас размер входного слоя (216, 1)

так .. возвращаемся ! если задлача запустить обученную сеть то ттебе не нужны НИ train НИ test данные

да

тебе нужны твои данные в сыром виде которые нужно пропустить через точно такой же препроцессинг !

и передать их в метод predict

но я понятия не имею как это сделать, по этому и пришел в чат)

Я думаю это подразумевает что весь код должны писать мы?

;D

нет

мне нужен пример и советы)

пример у тебя есть !

так что еще один тебе не поможет , гарантирую)

тебе нужны твои данные в сыром виде которые нужно пропустить через точно такой же препроцессинг !

model это сеть sr,x это данные так же?

https://pastebin.com/3DwDQbgB

как их запихать в предикт?)

sr, x это numpy массивы?

sr, x это numpy массивы?

scipy.io.wavfile.read

думаю что да

тут нужно понимать что часть из этих данных пойдет на трейн и тест ! а тебе трейн не нужен, следовательно сплита не будет у тебя

predspreds == modelmodel..predict(x_testcnnx_testcnn, batch_size=32, verbose=1)

следи за переменной x_testcnnx_testcnn и делай такой же флоу

думаю что да

Можете сказать какой у них .shape

кроме разделения на трейн и тест

ERROR: S client not available

Нет возможности сейчас запустить код

sr вам вообще не нужен

Эта sample rate

А x это как раз те самые данные

Жду .shape...

(x.shape) (176128, 2)

print(sr.shape) AttributeError: 'int' object has no attribute 'shape'

sr = 44100

(x.shape) (176128, 2)

стерео звук?

Эта sample rate

да жто он)

https://prnt.sc/khcfx9

Во первых модель принимает на вход 1 канальный звук

То есть от какого-то из каналов придется избавиться

Вот таким вот способом

x = x[:, 0]

готово

А потом нужно дать нейронке кусок аудио длиной 216 сэмлов

То есть так :

x = x[0:216]

готово

Какими инструментами уменьшить скомпилированный экзешник с интерпретатором?

x.shape (216,)

И теперь x = x.reshape(1, 1, 216)

максимально. С собой несёт лишь три стандартные библиотеки

И потом можно model.predict(x)

(1, 1, 216)

Но могу ошибаться, так как с аудио не работал, но с временами рядами проблем нет

Сработало?

ValueError: Error when checking input: expected conv1d_7_input to have shape (216, 1) but got array with shape (1, 216)

А тогда сделайте так

x = x.reshape(216, 1)

'with shape ' + str(data_shape)) ValueError: Error when checking input: expected conv1d_7_input to have 3 dimensions, but got array with shape (216, 1)