如何将WAV音频数据集载入TensorFlow？训练全连接网络遇加载难题

嘿，我来帮你搞定这两个TensorFlow的问题～

你提到的from tensorflow.examples.tutorials.mnist import input_data是TensorFlow 1.x版本的旧写法，在TensorFlow 2.x里这个模块已经被移除了，所以会出现找不到的情况。现在官方推荐用Keras内置的数据集加载方式，既简洁又没有兼容性问题，代码如下：

import tensorflow as tf

# 加载MNIST手写数字数据集
(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()

# 数据预处理：把像素值归一化到0-1区间（全连接网络对输入范围敏感，这一步很重要）
x_train = x_train.astype('float32') / 255.0
x_test = x_test.astype('float32') / 255.0

# 全连接网络需要把28×28的二维图像展平成784维的一维向量，执行这一步转换
x_train = x_train.reshape(-1, 28*28)
x_test = x_test.reshape(-1, 28*28)

这样处理后的数据就可以直接用来训练你的全连接神经网络啦。

加载WAV音频的核心是用TensorFlow的音频解码API，同时要注意统一音频的采样率和长度（因为全连接网络需要固定维度的输入），下面分两种场景给你示例：

1. 加载单个WAV文件 #

如果只是测试单个音频文件，代码可以这样写：

import tensorflow as tf

# 读取WAV文件的二进制内容
audio_binary = tf.io.read_file("path/to/your/audio.wav")
# 解码WAV，得到音频张量和原始采样率
audio_tensor, sample_rate = tf.audio.decode_wav(audio_binary)

# 统一采样率（比如转成16000Hz，适配大多数语音任务）
target_sample_rate = 16000
audio_tensor = tf.audio.resample(audio_tensor, tf.cast(sample_rate, tf.int64), target_sample_rate)

# 把二维的音频张量（采样点数×通道数）展平成一维，适配全连接网络输入
audio_flat = tf.reshape(audio_tensor, [-1])

2. 批量加载WAV数据集（适合训练） #

如果你的音频文件存在一个文件夹里，并且需要批量加载来训练模型，可以结合tf.data.Dataset来高效处理，示例如下：

import tensorflow as tf
import os

# 定义音频文件所在的目录
audio_dir = "path/to/your/audio_dataset"
# 获取目录下所有WAV文件的路径
audio_files = [os.path.join(audio_dir, f) for f in os.listdir(audio_dir) if f.endswith(".wav")]

# 创建基于文件路径的数据集
dataset = tf.data.Dataset.from_tensor_slices(audio_files)

# 定义单个音频文件的处理函数
def process_audio(file_path):
    # 读取并解码音频
    audio_binary = tf.io.read_file(file_path)
    audio_tensor, sample_rate = tf.audio.decode_wav(audio_binary)
    
    # 统一采样率
    target_sample_rate = 16000
    audio_tensor = tf.audio.resample(audio_tensor, tf.cast(sample_rate, tf.int64), target_sample_rate)
    
    # 统一音频长度（比如固定为1秒，不足补零，过长截断）
    target_length = target_sample_rate * 1
    audio_tensor = tf.image.resize(audio_tensor, [target_length, 1])
    
    # 展平成一维向量
    audio_flat = tf.reshape(audio_tensor, [-1])
    
    # 提取标签（假设文件名格式为"label_xxx.wav"，根据你的实际情况调整）
    file_name = tf.strings.split(file_path, os.sep)[-1]
    label = tf.strings.split(file_name, "_")[0]
    label = tf.strings.to_number(label, out_type=tf.int32)
    
    return audio_flat, label

# 应用处理函数，并行加速加载
dataset = dataset.map(process_audio, num_parallel_calls=tf.data.AUTOTUNE)

# 打乱数据、设置批量大小、预取优化（提升训练效率）
batch_size = 32
dataset = dataset.shuffle(buffer_size=len(audio_files)).batch(batch_size).prefetch(tf.data.AUTOTUNE)

如果你的标签是存在单独的CSV文件里，只需要先读取CSV，把文件路径和标签一一对应后再创建数据集即可，逻辑和上面类似。

内容的提问来源于stack exchange，提问作者UrmLmn