最初の1つ、2つ、3つが特徴抽出の問題を解決し、次に分類器の番になりました。ここでは、いくつかの曲データを分類するために、ケラスをcnnに呼び出してみるつもりです。サンプルの質問に言及した後、ここでは主にanaconda + tensorflow + kerasディープラーニング環境を構築する必要があります。
Anacondaは、それが標準であることを言及する必要はありません。一般に、インストールは非常に簡単です。スキップしてください。tensorflowのインストールは、通常、pipインストールとcondaインストールに分かれています。Pipインストールはお勧めできません。非常に便利ですが、インターネット上の多くの人を含め、pipインストールを使用すると問題が発生します。condaをインストールすることは難しくありません。つまり、外国のソースのダウンロード速度は非常に遅く、国内のソースを置き換える必要があります（清華ソースは、清華以外にも問題があると聞いています）。
1.ソースを変更する
conda install tensorflowconda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --set show_channel_urls yes2. conda仮想環境を作成する
conda create -n tensorflow2_0 python=3.6
インストール後、コマンドを使用して表示できます
conda info --envs 3.新しい環境をアクティブ化します
activate tensorflow2_04. tensorflow \ kerasをインストールします
conda install tensorflow
conda install kerasテストして、jupyterを開き、
import tensorflow
import kerasはい、インストールは成功しました。
5.例を実行する
こんにちは世界の有名なニーニストを使用します。
ネイティブサンプルに直接問題があります。データセットのダウンロードが遅すぎます。
最初にミラーからデータをダウンロードしてから、データのインポート方法を変更することをお勧めします。この記事では、テスト後に実行できる詳細なメソッドとコードについて説明します。
[Keras] MNISTデータセットが例の場合にダウンロードできないという問題を解決します
