Competition-AICUP2023-MultimodalClassificationOfVoicePathology

競賽網站

---

• 安裝環境：
  1. 使用 Anaconda 安裝 Python 3.9.15 並安裝 Jupyter Lab 或 Jupyter Notebook
  2. 安裝 PyTorch 1.13.1 以及 CUDA 11.7 可從官方網站找到指令，或直接輸入指令：
     conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 pytorch-cuda=11.7 -c pytorch -c nvidia
  3. 使用指令 pip3 install -r requirements.txt 來安裝所需套件

• 資料前處理：
  1. 先將原始音檔 (.wav) 分別放進資料夾
     • 訓練集：dataset\training\training_voice_data
     • public測試集：dataset\test\test_data_public
     • private測試集：dataset\test\test_data_private
  2. 分別使用以下程式來生成各自的 Numpy 壓縮檔案 (.npz)，該檔案會直接包含 .wav 的訊號與 .csv 內對應的資訊
     • 訓練集：processing\training-make_npz.ipynb
     • public測試集：processing\test_public-make_npz.ipynb
     • private測試集：processing\test_private-make_npz.ipynb
  3. 分別使用以下程式對剛剛的 .npz 裡的訊號進行快速傅立葉轉換 (FFT)，並另存檔案
     • 訓練集：processing\training-fft.ipynb
     • public測試集：processing\test_public-fft.ipynb
     • private測試集：processing\test_private-fft.ipynb
  4. (選用) 分別使用以下程式來生成記錄每個 .npz 檔名的 .json 檔案，以方便後續抓取檔案，
     其中訓練集會隨機抽選訓練與測試集，如欲重新抽選檔案可修改程式內的種子碼來重新抽選
     • 訓練集：processing\training-make_data_list.ipynb
     • public測試集：processing\test_public-make_data_list.ipynb
     • private測試集：processing\test_private-make_data_list.ipynb

• 訓練方式：
  1. 開啟 experiments\traininig.ipynb
  2. 從第2個儲存格開始執行程式，至第7格為止
  3. 第8格可設定模型的名稱，此功能是用於重新訓練的，如果要把已經訓練好的模型載入回來，就不需要執行這格
  4. 第9格用於載入已訓練的模型，需手動修改模型名稱，預設為我們訓練好的模型 m202_MultiOutput_20230518_114418
  5. 執行過第8或第9格以後，一直往下執行至第15格為止
  6. 第16格可用來重新訓練模型，第17格為繼續訓練模型
  7. 第18格用來定義繪製 loss 與 UAR 曲線的函式
  8. 如果為重新訓練模型，執行第19格可看到曲線；如果是繼續訓練的模型，則要執行第20格
  9. 從第21格一直執行至第25格為止，可從第25格的輸出看到每個保存的模型在訓練與測試集中，三個輸出對應的 acc 與 UAR
  10. 第26格用於讀回剛剛測試的結果，節省以後還要重跑結果的時間
  11. 第27~29格用來觀察各個模型在訓練與測試集中，三個輸出對應的混淆矩陣以及其他數據，
      預設要觀察的模型為各個輸出在訓練過程中獲得最高UAR的模型 best_uar-0、best_uar-1 與 best_uar-2
  12. 第30格用來查看tensorboard所記錄的資訊

• 測試方式：
  1. 開啟 experiments\test.ipynb
  2. 從第2個儲存格開始執行程式，至第6格為止
  3. 在第7格設定要測試的模型名稱，預設為我們訓練好的模型 m202_MultiOutput_20230518_114418
  4. 從第8格一直執行到第11格為止
  5. 第12格可設定要用於測試的模型以及模型的輸出位置，我們設定為best_uar-0以及第0個輸出位置