方言分类，pytorch 参考的是topcoder比赛的结果
见知乎
- create_spectrograms.py 该函数将语音转成声谱图
- --input_dir:输入的音频文件所在目录
- --save_img_dir:音频转为声谱图之后保存的图片目录
- --audio_type:音频类型（mp3,wav）
-
logger.py 是用于tensorboard可视化的函数
-
main_topcoder.py 是主函数
- batch_gen_imgdata 用于批量读取图片，生成pytorch可以读取的向量
- Network_CNN_RNN 是模型结构类，其中卷积处理后的维度和theano略有不同，不过不影响结果，该结构针对的是topcoder的语音，语音长度固定是10s， 生成的声谱图的维度是 256 * 858，作为pytorch输入的维度是 100 * 1 * 256 * 858
1.每个epoch计算dev集合的acc，根据dev的acc结果保存model
2.使用tensorboard可视化训练集的loss和acc，测试集的acc
3.rnn_input_size 的大小需要提前设定好，当声谱图大小有修改或者conv有变动时，该值也需要修改
trainEqual.csv格式如下：
/movie/audio/topcoder/topcoder_train_png/000w3fewuqj.png,57 /movie/audio/topcoder/topcoder_train_png/000ylhu4sxl.png,55 /movie/audio/topcoder/topcoder_train_png/0014x3zvjrl.png,155 /movie/audio/topcoder/topcoder_train_png/001xjmtk2wx.png,148 /movie/audio/topcoder/topcoder_train_png/002hrjhbsnk.png,110
python -u main_topcoder.py --mode=train --datalist_path=/movie/audio/topcoder --use_gpu=1 --use_pretrained=0