=第五组日志=
[[第五组日志]]
组长：周辉
组员：龙红、龚健勇、陈堃、李英姿、贾宇
分工
录音语音指令：李英姿
格式转换：贾宇
TensorFlow实践：周辉
AudioNet安卓应用开发：龙红
记录：龚健勇、陈堃
1、2017年7月22日上午由录音员李英姿录制24条语音指令，进行音频文件制作并转换。
2、2017年7月22下午把转换的音频文件转频谱图，操作步骤如下：
（1）将wavReader.py和ffmpeg、sox两个文件夹放置在同一目录下；打开IPython软件，输入import os和os.path.realpath('.')两个命令，确定工作路径正确。
（2）把24个音频拷贝到同一路径下，使用ffmepg工具进行格式转换并注意文件名的修改。
（3）输入读取语音波形命令组，分别修改音频名称，生成并修改相应的波形图名称。
（4）用同样方法输入频谱图生成命令组，修改相应的波形图名称及频谱图名称并保存。
通过此次练习，我们发现在生成波形图时，前两条指令只需输入一次，通过修改第三条指令中的文件名即可连续生成不同波形图；做频谱图时可用同样的方法，前三条指令只需输入一次，通过修改第四条指令中的文件名即可连续生成不同的频谱图，这样在没有学习批量指令前，可加快文件处理速度。
3、2017年7月22日晚 训练并测试数据操作步骤如下:
第一步:准备工作(确定各文件路径的正确)
1、安装Anaconda3软件到c:盘；
2、audioNet文件夹放置在桌面；
3、在audioNet下新建文件夹raw，把960个音频文件复制到raw文件夹中；
4、确认ffmpeg和sox文件夹中有相应文件:
5、用记事本打开audioNet文件夹中train.py文件，修改速度参数;
第二步:Tensorflow安装
1、在运行处输入cmd，打开管理员提示窗口，再打开程序菜单所有程序命令组Anaconda3(64-bit)下的Anaconda Prompt程序:
2、在Anaconda Prompt-python窗口中，输入python，回车。
3、输入quit()，回车。
4、输入pip install tensorflow,回车，此时开始安装，等待安装结束。
5、 输入python，回车，再输入import tensorflow as tf，回车，确认运行正常。
第三步:批量生成音频
1、输入cd desktop回车，再输入cd audioNet回车。
2、输入python convert_file.py ./raw，回车，自动在audioNet\data\train下转换成.wav 文件格式，复制其中的100个文件到audioNet\data\test文件夹下。
第四步:安装keras
1、在Anaconda Prompt-python窗口中，输入python，回车。
2、输入quit()，回车。
3、输入pip install keras,回车，此时开始安装，等待安装结束。
第五步:测试
输入python train.py 回车，开始测试，请关掉所有防护软件和防火墙。
=第六组日志=