如何从 tfrecord 解码 vggish 音频集嵌入？答案

【问题标题】：How to decode vggish audioset embeddings from tfrecord?如何从 tfrecord 解码 vggish 音频集嵌入？
【发布时间】：2019-04-19 18:29:51
【问题描述】：

我正在尝试使用 VGGish 模型的预训练基础生成的 128 字节嵌入来对音频数据进行迁移学习。使用python vggish_inference_demo.py --wav_file ... 将我的训练数据编码为 tfrecord 效果很好，但现在我想将其用作另一个模型的输入（例如，我用 keras 或其他东西创建的神经网络）。使用一些similar questions 和文档，我用一个文件的第一个嵌入记录走了这么远：

tfrecords_filename = 'example1.tfrecord'
record_iterator = tf.python_io.tf_record_iterator(path=tfrecords_filename)
string_record = next(record_iterator)
example = tf.train.SequenceExample()
example.ParseFromString(string_record)
print(example.feature_lists.feature_list['audio_embedding'].feature[0].bytes_list.value)

这会产生

[b'\x99\x07\xaa>\xd2_R_\x9f\xbbqN\x99\xa18V\xad\x7f\x93\xf0)\xdd4\x80~\xb0\xa4d\x8e\x85\xb6\x88\xa3?U\xa6Q[\x9b\x038\xff\x00EE>OJ\xa5\xb8\x828)\x97^\x8a\xaa\x12h\xff\xff\xc39\xce\x9b\x13\x80\x00j\xcaZ\xac\xff\xff\x0f\xac\x1c\x90&\xd2.b\xe2{\xc1\x15\xe9\xba\xed\xd4\xa9\xff\xdc\xb5\x99]!\x04\xca\xff\xa6;b\xe0\x19\xbfW\xebP!\xff\xc5\xff\x82\xff\x1a\xbe\xec-h\xff\x8d\xff\r\x96\x00\x00\xff']

我什至不确定这个 b'...' 是什么（超过 64 个，不到 128 个 xs - 所以不确定它与任何东西的关系）。

也许我在这里缺少一些基本的 Python 知识，但是如何将其转换为可以用作其他模型的输入的数字数组？

【问题讨论】：

标签： python-3.x tensorflow embedding tfrecord transfer-learning

【解决方案1】：

原来这些是可以转换为十六进制的字节，可以转换为0到255之间的整数数组。

import tensorflow as tf
import numpy as np

tfrecords_filename = 'example1.tfrecord'
record_iterator = tf.python_io.tf_record_iterator(path=tfrecords_filename)
string_record = next(record_iterator)
example = tf.train.SequenceExample()
example.ParseFromString(string_record)
hexembed = example.feature_lists.feature_list['audio_embedding'].feature[0].bytes_list.value[0].hex()
arrayembed = [int(hexembed[i:i+2],16) for i in range(0,len(hexembed),2)]
print(arrayembed)

这会以我想要的格式生成输出：

[153, 7, 170, 62, 210, 95, 82, 95, 159, 187, 113, 78, 153, 161, 56, 86、173、127、147、240、41、221、52、128、126、176、164、100、142、 133、182、136、163、63、85、166、81、91、155、3、56、255、0、69、69、 62、79、74、165、184、130、56、41、151、94、138、170、18、104、255、 255、195、57、206、155、19、128、0、106、202、90、172、255、255、15、 172、28、144、38、210、46、98、226、123、193、21、233、186、237、212、 169、255、220、181、153、93、33、4、202、255、166、59、98、224、25、 191、87、235、80、33、255、197、255、130、255、26、190、236、45、104、 255、141、255、13、150、0、0、255]

【讨论】：