大佬教程收集整理的这篇文章主要介绍了OP_REQUIRES 在 decode_wav_op.cc:55 失败：无效参数：只能读取 16 位 WAV 文件，但收到 32，大佬教程大佬觉得挺不错的，现在分享给大家，也给大家做个参考。
我正在构建一个音频分类器，其中将训练神经网络将音频分为两类。以下是我的“Train.py”模块：
import os
import tensorflow as tf
import numpy as np
from configs import PARENT_DIR_TO_SAVE_CHUNKS,VALIDATION_PERCENT_OUT_OF_@R_751_1@R_772_11226@6@L,test_PERCENT_OUT_OF_@R_751_1@R_772_11226@6@L,PARENT_DIR_TO_PCM_GOOD_CHUNKS,PARENT_DIR_TO_PCM_BAD_CHUNKS
from utils import decode_audio,do_process_path_of_audio,get_label,get_waveform_and_label,plot,get_spectrogram
def main():
goods = [os.path.join(PARENT_DIR_TO_SAVE_CHUNKS,"GOOD",filE) for file in os.Listdir(os.path.join(PARENT_DIR_TO_SAVE_CHUNKS,"GOOD"))]
bads = [os.path.join(PARENT_DIR_TO_SAVE_CHUNKS,"BAD","BAD"))]
all = goods + bads
filenames = tf.convert_to_tensor(all)
filenames = tf.random.shuffle(filenames)
print(filenames)
length_of_val_samples = int((VALIDATION_PERCENT_OUT_OF_@R_751_1@R_772_11226@6@L / 100) * len(filenames))
length_of_test_samples = int((test_PERCENT_OUT_OF_@R_751_1@R_772_11226@6@L / 100) * len(filenames))
Train_files = filenames[:len(filenames) - length_of_val_samples - length_of_test_samples]
val_files = filenames[len(filenames) - length_of_val_samples - length_of_test_samples:\
len(filenames) - length_of_val_samples]
test_files = filenames[-(length_of_test_samples):]
print('Training set size:',len(Train_files))
print('ValIDation set size:',len(val_files))
print('Test set size:',len(test_files))
(files,waveforms) = do_process_path_of_audio(Train_files)
print(waveforms)
# plot(waveforms)
# print(waveforms.take(1))
for waveform,label in waveforms.take(1):
label = label.numpy().decode('utf-8')
spectrogram = get_spectrogram(waveform)
# print('Label:',label)
# print('Waveform shape:',waveform.shapE)
# print('Spectrogram shape:',spectrogram.shapE)
if __name__ == "__main__":
main()
以下包含我的“preprocess.py”模块中的相关函数：
import tensorflow as tf
import matplotlib.pyplot as plt
import numpy as np
import os
def decode_audio(audio_binary):
audio,_ = tf.audio.decode_wav(audio_binary)
print(_)
print(audio)
return tf.squeeze(audio,axis=-1)
def get_label(file_path):
parts = tf.Strings.split(file_path,os.path.sep)
print(file_path)
return parts[-2]
def get_waveform_and_label(file_path):
label = get_label(file_path)
audio_binary = tf.io.read_file(file_path)
waveform = decode_audio(audio_binary)
return waveform,label
def do_process_path_of_audio(files):
autoTUNE = tf.data.autoTUNE
files_ds = tf.data.Dataset.from_tensor_slices(files)
waveform_ds = files_ds.map(get_waveform_and_label,num_parallel_calls=autoTUNE)
return (files_ds,waveform_ds)
def plot(waveforms):
rows = 3
cols = 3
n = rows*cols
fig,axes = plt.subplots(rows,cols,figsize=(10,12))
print("======>",waveforms.take(15))
for i,(audio,label) in enumerate(waveforms.take(n)):
r = i // cols
c = i % cols
ax = axes[r][c]
ax.plot(audio.numpy())
ax.set_yticks(np.arange(-1.2,1.2,0.2))
label = label.numpy().decode('utf-8')
ax.set_title(label)
plt.show()
def get_spectrogram(waveform):
zero_padding = tf.zeros([16000] - tf.shape(waveform),dtype=tf.float32)
waveform = tf.cast(waveform,tf.float32)
equal_length = tf.concat([waveform,zero_padding],0)
spectrogram = tf.signal.stft(
equal_length,frame_length=255,frame_step=128)
spectrogram = tf.abs(spectrogram)
return spectrogram
现在当我到达线路时：
for waveform,label in waveforms.take(1)
我收到以下错误： OP_requIRES 在 decode_wav_op.cc:55 失败：无效参数：只能读取 16 位 WAV 文件，但收到 32
我检查了我的数据集音频的sample_rate，它们都在16000。我在互联网上搜索了所有内容，但发现没有人问过这样的问题。任何想法如何解决这个问题。
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）
以上是大佬教程为你收集整理的OP_REQUIRES 在 decode_wav_op.cc:55 失败：无效参数：只能读取 16 位 WAV 文件，但收到 32全部内容，希望文章能够帮你解决OP_REQUIRES 在 decode_wav_op.cc:55 失败：无效参数：只能读取 16 位 WAV 文件，但收到 32所遇到的程序开发问题。
如果觉得大佬教程网站内容还不错，欢迎将大佬教程推荐给程序员好友。
本图文内容来源于网友网络收集整理提供，作为学习参考使用，版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ：384754419，请注明来意。