python - 尝试使用 VGG16 keras 模型进行音频

Question

我正在尝试使用 vgg16 keras 模型进行声音预测。
我只是为我的预测更改最后一层:

base_model = VGG16(include_top=False,
                  input_shape = (128,431,3),
                  weights = 'imagenet')

        model = Sequential()
        model.add(base_model)
        model.add(GlobalAveragePooling2D())
        model.add(Dense(1024,activation='relu'))
        model.add(Dropout(0.5))
        model.add(Dense(1,activation='sigmoid'))
        model.summary()

我的数据的形状是: (128,431,1)(我从 librosa 库中使用 mel_spectrogram 获得它)
但是 Keras 模型需要 (128,431,3)我尝试使用 numpy 的 stack 方法，但进程停止了。我认为这是因为数据太多。

Answer 1

问题在于使用 imagenet 权重。要求 channel 数为3。创建模型时，设置权重为None它应该可以工作。

import keras
base_model = keras.applications.vgg16.VGG16(include_top=False,
                  input_shape = (128,431,1),
                  weights = None)