如何从大量的wav文件中使用tensorflow.data.Dataset API创建数据集？

Question

我有8742个wav文件（大约7.1GB），希望将原始数据放入tf.data.dataset。在

我的第一次尝试在下面。请注意，我使用了soundfile包，因为wav文件有不同的比特率，有些是每个样本24位的。据我所知，许多软件包不支持24位wav文件。在

import tensorflow as tf
import soundfile

filepaths = tf.gfile.Glob('michael/dataset/wav_filepaths/*.wav') #Get the files into a list

labels = get_labels #pseudo function to obtain corresponding labels to audio

raw_audio = [] #List to hold raw audio lists. These are 2 channel wavs so this will be a 3D list

#Create a list were each element is raw audio data
for f in filepaths:
    try:
        data, sample_rate = soundfile.read(f) #2 channels
        raw_audio.append(data.tolist())
    except Exception as err: #Poor practice to catch all exceptions like this but it is just an example
        print ('Exception')
        print (f)

training_set = tf.data.Dataset.from_tensor_slices((raw_audio, labels))

这个解决方案的问题是它的速度非常慢，因为soundfile读取所有原始数据并将其全部存储在一个列表中。在

我现在正在考虑一个解决方案，我首先将文件名和相应的标签存储在tf.data.Dataset中。然后我将创建一个映射函数，该函数调用soundfile.read，甚至可能在函数中使用tensorflow.contrib.framework.python.ops.audio_ops，只返回原始音频和相应的标签。该函数将使用tf.data.Dataset.map函数调用，以便整个过程成为图形的一部分并被并行化。在

我对所提出的解决方案的第一个顾虑是，它并不理想，而且在数据集中存储文件名，以便稍后用相应的数据替换，这似乎有点“老土”。我的第二个问题是我使用的GPU（1080Ti，11GB内存）可能会耗尽内存。在

请提供一个更好的方法（尤其是它应该更快）将原始音频数据从一个大的wav文件集中到tf.data.Dataset。在

Answer 1

虽然理论上可以用^{}读取文件，并用^{}对其进行解码，但这种情况下通常的方法是将数据转换为TFRecord格式，然后用^{}读取。This blog post显示了一个如何做到这一点的示例，在您的例子中，您需要一个脚本来读取每个WAV文件，对其进行解码并在文件中写入样本向量（我认为32位值是最简单的方式）。注意，如果要将多个音频文件批处理为一个张量，要么它们的大小必须相同，要么必须使用^{}来形成适当的张量。在