如何从Java中的简单音频识别Tensorflow教程实现网络的三层第一层

Question

我正在尝试使用在Android应用程序中通过简单音频识别Tensorlow教程训练的模型，但是我想在网络中而不是在网络上实现三个第一层。基本上，我使用了Tensorflow教程中的训练（不做任何更改），但是冻结了模型而没有解码示例数据，计算频谱图和mfcc：

wav_data_placeholder

Tensor("wav_data:0, shape=(), dtype=string)

coded_sample_data

DecodeWav(audio=(tf.Tensor 'decoded_sample_data:0' shape=(16000, 1) dtype=flat32), sample_rate(tf.Tensor 'decoded_sample_data:1' shape=() dtype=int32))

频谱图

Tensor("AudioSpectrogram:0, shape=(1, 98, 257), dtype=float32)

指纹输入

Tensor("Mfcc:0, shape=(1, 98, 40), dtype=float32)

---

因此，我的冻结模型具有输入形状（1、98、40），并采用mfcc方法计算得出的值，该方法具有来自频谱图输出的输入值和来自解码样本数据的输入。

我在Java中尝试了librosa mfcc实现，但不幸的是，它没有提供相同的结果。

如何在Android应用程序中计算.wav文件，以成功满足模型输入以获得正确的预测？