tf.contrib.signal.stft eine leere Matrix zurück

Question

Dies ist das Stück Code, das ich laufen:

import tensorflow as tf 

sess = tf.InteractiveSession() 

filename = 'song.mp3' # 30 second mp3 file 
SAMPLES_PER_SEC = 44100 

audio_binary = tf.read_file(filename) 

pcm = tf.contrib.ffmpeg.decode_audio(audio_binary, file_format='mp3', samples_per_second=SAMPLES_PER_SEC, channel_count = 1) 
stft = tf.contrib.signal.stft(pcm, frame_length=1024, frame_step=512, fft_length=1024) 

sess.close() 

Die MP3-Datei, weil print(pcm.eval().shape) Rückkehr richtig decodiert wird:

(1323119, 1) 

Und es gibt sogar einige tatsächliche nicht-Null-Werte, wenn ich sie mit print(pcm.eval()[1000:1010]) drucken:

[[ 0.18793298] 
[ 0.16214484] 
[ 0.16022217] 
[ 0.15918455] 
[ 0.16428113] 
[ 0.19858395] 
[ 0.22861415] 
[ 0.2347789 ] 
[ 0.22684409] 
[ 0.20728172]] 

Aber für einige reas auf print(stft.eval().shape) zu auswertet:

(1323119, 0, 513) # why the zero dimension? 

Und deshalb ist print(stft.eval()):

[] 

die zweite Dimension der tf.contrib.signal.stft Ausgabe auf die Anzahl von Rahmen gemäß this gleich ist. Warum gibt es keine Frames?

Answer 1

Es scheint, dass tf.contrib.ffmpeg.decode_audio einen Tensor der Form (?, 1) zurückgegeben hat, der ein Signal von ? Proben ist.

Allerdings tf.contrib.signal.stft erwartet einen (signal_count, samples) Tensor als Eingang, daher muss man ihn vorher transponieren.

den Aufruf wie folgt ändern funktioniert der Trick:

stft = tf.contrib.signal.stft(tf.transpose(pcm), frame_length=1024, frame_step=512, fft_length=1024)