Python 如何利用一维conv神经网络解决keras中的音频信号问题

顺便说一句，我已经改变了我的模式，但效果不好（64%）

我有一个数据集（它是给定的，不是问题）

结果是：

所有发言者：[“尼古拉斯”、“西奥”、“杰克逊”]

训练演讲者：['nicolas''theo']

测试扬声器：[“杰克逊”]

其目的是创建一个卷积神经网络，并获得90%以上的精度。
我的模型不够好，我不认为这是一个过度拟合的问题

model = keras.Sequential()
 model.add(keras.layers.Conv1D(64,kernel_size=3,activation='relu',input_shape=(300,40)))
model.add(keras.layers.Conv1D(32,kernel_size=3,activation='relu'))
model.add(keras.layers.Dropout(0.5))
model.add(keras.layers.Flatten())
model.add(keras.layers.Dense(100,activation='relu'))
model.add(keras.layers.Dense(10,activation='softmax'))  
model.compile(
    optimizer='adam',
    loss='sparse_categorical_crossentropy',
    metrics=['accuracy'],
)

n_epoch = 12
model.fit(x=train.repeat(n_epoch))
model.evaluate(test)

您应该避免在每个Conv1D层之后使用maxpooling。最终，maxpooling会破坏可能非常关键的信息（它会减少采样），尤其是在音频信号中，而音频信号的分析主要依赖于时间相关性。使用maxpooling的原因如下所示。此外，您还将最大化池与跨步相结合，这是另一种下采样。过多的下采样会破坏信息，应该避免。这同样适用于展平（在图像处理中，它会破坏2D相关性），但有时这是必要的

如果您没有固定到1D，则使用的是精度为97%的2D方法

这是用于音频分析的1D CNN的keras模型，它只使用1个maxpooling，没有跨步

model = keras.Sequential()
 model.add(keras.layers.Conv1D(64,kernel_size=3,activation='relu',input_shape=(300,40)))
model.add(keras.layers.Conv1D(32,kernel_size=3,activation='relu'))
model.add(keras.layers.Dropout(0.5))
model.add(keras.layers.Flatten())
model.add(keras.layers.Dense(100,activation='relu'))
model.add(keras.layers.Dense(10,activation='softmax'))  
model.compile(
    optimizer='adam',
    loss='sparse_categorical_crossentropy',
    metrics=['accuracy'],
)

n_epoch = 12
model.fit(x=train.repeat(n_epoch))
model.evaluate(test)