Una de las aplicaciones más exitosas del aprendizaje profundo es algo que llevamos con nosotros todos los días. Ya sea Siri o Google Now, los motores que hacen funcionar ambos sistemas y Alexa de Amazon son redes neuronales. En este capítulo, echaremos un vistazo a la biblioteca torchaudio de PyTorch. Aprenderás a utilizarla para construir un proceso de clasificación de datos de audio con un modelo convolucional. Después, te sugeriré un enfoque diferente que te permitirá utilizar algunos de los trucos que aprendiste para las imágenes y obtener una buena precisión en el conjunto de datos de audio ESC-50.
Pero primero, echemos un vistazo al sonido en sí. ¿Qué es? ¿Cómo suele representarse en forma de datos, y nos da eso alguna pista sobre qué tipo de red neuronal deberíamos utilizar para obtener información de nuestros datos?
Sonido
El sonido se crea mediante la vibración del aire. Todos los sonidos que oímos son combinaciones de alta y baja presión que solemos representar en una forma de onda , como la de la Figura 6-1. En esta imagen, la onda situada por encima del origen es de alta presión, y la parte situada por debajo es de baja presión.
Figura 6-1. Onda sinusoidal
La Figura 6-2 muestra una forma de onda más compleja de una canción ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month, and much more.
