跳至主要内容

音频分类 - Jupyter Notebooks

通过audio_classification_UrbanSound8K.ipynb示例脚本，可以演示如何将 ClearML 集成到 Jupyter Notebook 中，该 Notebook 使用 PyTorch、TensorBoard 和 TorchVision 在 UrbanSound8K 数据集上训练神经网络进行音频分类。该示例在训练和测试中调用 TensorBoard 方法来报告标量、音频调试样本和频谱图可视化。频谱图可视化通过调用 Matplotlib 方法绘制。该示例还演示了如何将参数连接到任务并进行记录。脚本运行时，会在Audio Example项目中创建一个名为audio classification UrbanSound8K的任务。

标量​

准确率、学习率和训练损失标量会自动记录，以及资源利用率图（标题为:monitor: machine），并显示在SCALARS中。

image

调试样本​

音频样本和频谱图会自动记录并显示在DEBUG SAMPLES中。

音频样本​

image

双击缩略图即可播放音频样本。

频谱图可视化​

image

双击缩略图可以在图像查看器中查看频谱图。

image

超参数​

ClearML 会自动记录 TensorFlow 定义。通过调用Task.connect方法将参数字典连接到任务并进行记录。

configuration_dict = {
    'number_of_epochs': 10, 
    'batch_size': 4, 
    'dropout': 0.25, 
    'base_lr': 0.001
}
configuration_dict = task.connect(configuration_dict)  # enabling configuration override by clearml

参数字典显示在CONFIGURATION > HYPERPARAMETERS > General中。

image

TensorFlow 定义显示在 TF_DEFINE 子部分中。

image

控制台​

训练进度的控制台输出，以及所有其他控制台输出，都显示在CONSOLE中。

image