Question

我们将要使用的是GTZAN数据集，它是一个经常用于乐曲体裁分类任务的数据集。它把音乐分成10种体裁。为了简化问题，我们只使用其中的6种：古典、爵士、乡村、流行、摇滚和金属音乐。这个数据集包含每种体裁100首乐曲的前30秒的数据。我们可以在http://opihi.cs.uvic.ca/sound/genres.tar.gz 下载这个数据集。音轨是22 050 Hz（每秒22 050次读入）单声道WAV格式的。

转换成音频格式

确实，如果想要在我们的MP3集合上测试分类器，我们并不能获取到很多信息。这是因为MP3是一种有损音乐压缩格式，它把人耳感知不到的部分都截掉了。这种方式有利于存储，因为用MP3格式你可以把10倍数量的歌曲放进你的设备。然而，对于我们的工作来说，MP3格式并不是很好。用WAV格式的音乐文件进行分类，会相对容易一些。所以，当我们要给音乐分类的时候，就需要转换MP3文件的格式。

提示 　如果你没有转换工具，你可以看一下sox：http://sox.sourceforge.net 。它号称音频处理中的瑞士军刀。我们同意这个大胆的断言。

把所有音乐文件转换成WAV格式有一个好处，那就是它可以直接利用SciPy工具包读取：

>>> sample_rate, X = scipy.io.wavfile.read(wave_filename)

在这里，X 包含的是样本，而sample_rate 就是音频采样的速度。我们利用这些信息浏览一下音乐文件，来获得对这些数据的初步印象。