在Python for循环中，我无法获得预期的计数器值

Question

使用汇编器模块的说话人识别项目。文件夹结构如下：有一个目录speakers，其中包含spk1、spk2等文件夹，每个文件夹包含多个单独的录音扬声器（一个文件夹 - 一个扬声器）。在处理过程中，我制作了一个字典，其中的键是相同的目录 spk1、spk2 等，它们的值是扬声器录音的嵌入（表示）。

接下来，我想成对比较每个发言者的录音，以计算准确性指标（系统出错的频率）。在下面脚本的第一阶段中，我执行以下操作：创建成对组合，以便对“his”文件夹内任何发言者的记录的所有可能组合进行排序。

第二阶段是将记录的嵌入写入相似度矩阵并通过余弦相似度进行比较。

在最后（第三阶段）我们考虑准确性。我们看到：我们经历了 46 种组合，但由于某种原因我们得到了 0 个匹配。尽管如果打印出相似度矩阵，很明显存在巧合。 for循环有什么问题？

之前，当我使用speechbrain库解决同样的问题时，也出现了类似的问题。然后，计数错误与生成逻辑响应 True 或 False 的张量数据类型相关联。在我看来，这里的情况有所不同。

代码：

!pip install resemblyzer
! pip install umap
import numpy as np
from itertools import combinations

num_true=0
num_total=0

# Stage 1 - for the sake of comparison, we sort through the dictionary values (i.e. embeddings of speakers' records) and create a list of all possible combinations:
# (speaker 1 record 1 - speaker 1 record 2), (speaker 1 record 1 - speaker 1 record 3), etc.
for elems in speaker_wavs.values():   
  # print(elems[0])
  tuples = list(combinations(elems, 2)) # we get a search of all combinations
 
  # Stage 2 - create embeddings of records
  for single in tuples:         # we go through each combination in the list
      # the .embed_utterance() function creates voice embeddings
      embeds = (np.array( [encoder.embed_utterance(single[0]) ] ), np.array([encoder.embed_utterance(single[1]) ] ) )
      num_total+=1

      # Let's calculate the similarity matrix. The similarity of two embeddings is simply their dot product, 
      # because the similarity metric is cosine similarity, and embeddings are already normalized by L2.

      # Short version:
      utt_sim_matrix = np.inner(embeds[0], embeds[1])    # The inner product of two arrays 
      # print('Matrix_1', utt_sim_matrix) # print it out if you need to visually compare embeddings
    
      # Long, detailed version:
      utt_sim_matrix2 = np.zeros( (len(embeds[0]), len(embeds[1]) ) )
      for i in range(len(embeds[0])):
        for j in range(len(embeds[1])):
        # The @ notation is equivalent to np.dot(embedds_a[i], embedds_b[i])
          utt_sim_matrix2[i, j] = embeds[0][i] @ embeds[1][j]
          # print('Matrix_2', utt_sim_matrix2)  # print it out if you need to visually compare embeddings

          # Returns True if two arrays are equal in elements within the tolerance       
          if np.allclose(utt_sim_matrix, utt_sim_matrix2) == 'True':
            num_true+=1

# print(num_true)   # now we get 0
# print(num_total)  # now we get 46

# Stage 3 - counting the accuracy metric:
if num_total !=0:
  accuracy = num_true/num_total
  print(accuracy)
else:
  print('You can't divide by zero')

Answer 1

像这样解决了问题：

if str(np.allclose(utt_sim_matrix, utt_sim_matrix2)) == 'True':
            num_true+=1

因此，我显式地将响应转换为字符串类型