Python 如何从MATLAB深度学习模型转换为Keras代码

我正在Python3.7上制作Keras的二进制声音分类模型。我已经在MATLAB上建立了声音分类模型，但是MATLAB上没有安装特定的层（例如GRU）。因此，我尝试从MATLAB深度学习模型转换为Keras深度学习模型

原始MATLAB代码如下所示：

inputsize=[31,69]
layers = [ ...
    sequenceInputLayer(inputsize(1))
    bilstmLayer(200,'OutputMode','last')
    fullyConnectedLayer(2)
    softmaxLayer
    classificationLayer
    ]
options = trainingOptions('adam', ...
    'MaxEpochs',30, ...
    'MiniBatchSize', 200, ...
    'InitialLearnRate', 0.01, ...
    'GradientThreshold', 1, ...
    'ExecutionEnvironment',"auto",...
    'plots','training-progress', ...
    'Verbose',false);

该模型得到的精度为0.955

基于MATLAB代码的Keras代码如下所示：

# traindatasize=(86400,31,69)
inputsize=(31,69)
batchsize=200
epochs=30
model = Sequential()
model.add(Bidirectional(LSTM(200, input_shape=inputsize)))
model.add(Dense(2, activation='softmax'))

model.compile(optimizer=RMSprop(), loss='binary_crossentropy', metrics=['accuracy'])

model.fit(traindata, trainlabel, batch_size=batchsize, epochs=epochs, verbose=1)

该模型得到的精度为0.444

我不明白效果如何。 traindata使用来自STFT的相同数据，并在训练前使用标准偏差和平均值对这些模型进行归一化。 请发表一些评论

蟒蛇上的Python 3.7

---

Keras 2.2.4

我认为这是因为MATLAB代码使用Adam优化器进行训练，而您在：

model.compile(optimizer=RMSprop(),loss='binary_crossentropy',metrics=['accuracy'])

相反，请使用：

from keras import optimizers
adam = optimizers.Adam(learning_rate=0.001, beta_1=0.9, beta_2=0.999, amsgrad=False)

...

model.compile(optimizer=adam,loss='binary_crossentropy',metrics=['accuracy'])

---

检查这是否改善了答案。

此代码已运行。使用MATLAB时，精度几乎达到了相同的水平。Keras的精度是错误的。。。正确值为0.946。这个问题是由Python上的标签造成的。