Получение прогнозов по аудио
Импорт необходимых инструментов
[2]:
from oceanai.modules.lab.build import Run
Сборка
[3]:
_b5 = Run(
lang = 'ru', # Язык
color_simple = '#333', # Цвет обычного текста (шестнадцатеричный код)
color_info = '#1776D2', # Цвет текста содержащего информацию (шестнадцатеричный код)
color_err = '#FF0000', # Цвет текста содержащего ошибку (шестнадцатеричный код)
color_true = '#008001', # Цвет текста содержащего положительную информацию (шестнадцатеричный код)
bold_text = True, # Жирное начертание текста
num_to_df_display = 30, # Количество строк для отображения в таблицах
text_runtime = 'Время выполнения', # Текст времени выполнения
metadata = True # Отображение информации о библиотеке
)
[2024-10-08 19:50:39] OCEANAI - персональные качества личности человека: Авторы: Рюмина Елена [ryumina_ev@mail.ru] Рюмин Дмитрий [dl_03.03.1991@mail.ru] Карпов Алексей [karpov@iias.spb.su] Сопровождающие: Рюмина Елена [ryumina_ev@mail.ru] Рюмин Дмитрий [dl_03.03.1991@mail.ru] Версия: 1.0.0a40 Лицензия: BSD License
Получение и отображение версий установленных библиотек
_b5.df_pkgs_- DataFrame c версиями установленных библиотек
[4]:
_b5.libs_vers(runtime = True, run = True)
| Package | Version | |
|---|---|---|
| 1 | OpenCV | 4.10.0 |
| 2 | MediaPipe | 0.10.14 |
| 3 | NumPy | 1.26.4 |
| 4 | SciPy | 1.14.1 |
| 5 | Pandas | 2.2.3 |
| 6 | Scikit-learn | 1.5.2 |
| 7 | OpenSmile | 2.5.0 |
| 8 | Librosa | 0.10.2.post1 |
| 9 | AudioRead | 3.0.1 |
| 10 | IPython | 8.28.0 |
| 11 | Requests | 2.32.3 |
| 12 | JupyterLab | 4.2.5 |
| 13 | LIWC | 0.5.0 |
| 14 | Transformers | 4.45.1 |
| 15 | Sentencepiece | 0.2.0 |
| 16 | Torch | 2.4.1+cu118 |
| 17 | Torchaudio | 2.4.1+cu118 |
| 18 | Torchvision | 0.19.1+cu118 |
— Время выполнения: 0.004 сек. —
Формирование нейросетевой архитектуры модели для получения оценок по экспертным признакам
_b5.audio_model_hc_- Нейросетевая модель nn.Module для получения оценок по экспертным признакам
[5]:
res_load_audio_model_hc = _b5.load_audio_model_hc(
show_summary = False, # Отображение сформированной нейросетевой архитектуры модели
out = True, # Отображение
runtime = True, # Подсчет времени выполнения
run = True # Блокировка выполнения
)
[2024-10-08 19:50:39] Формирование нейросетевой архитектуры модели для получения оценок по экспертным признакам (аудио модальность) …
— Время выполнения: 0.002 сек. —
Загрузка весов нейросетевой модели для получения оценок по экспертным признакам
_b5.audio_model_hc_- Нейросетевая модель nn.Module для получения оценок по экспертным признакам
[6]:
# Настройки ядра
_b5.path_to_save_ = './models' # Директория для сохранения файла
_b5.chunk_size_ = 2000000 # Размер загрузки файла из сети за 1 шаг
url = _b5.weights_for_big5_['audio']['fi']['hc']['googledisk']
res_load_audio_model_weights_hc = _b5.load_audio_model_weights_hc(
url = url, # Полный путь к файлу с весами нейросетевой модели
force_reload = True, # Принудительная загрузка файла с весами нейросетевой модели из сети
out = True, # Отображение
runtime = True, # Подсчет времени выполнения
run = True # Блокировка выполнения
)
[2024-10-08 19:50:39] Загрузка весов нейросетевой модели для получения оценок по экспертным признакам (аудио модальность) …
[2024-10-08 19:50:42] Загрузка файла «weights_2022-05-05_11-27-55.pth» 100.0% …
— Время выполнения: 2.861 сек. —
Формирование нейросетевой архитектуры модели для получения оценок по нейросетевым признакам
_b5.audio_model_nn_- Нейросетевая модель nn.Module для получения оценок по нейросетевым признакам
[7]:
res_load_audio_model_nn = _b5.load_audio_model_nn(
show_summary = False, # Отображение сформированной нейросетевой архитектуры модели
out = True, # Отображение
runtime = True, # Подсчет времени выполнения
run = True # Блокировка выполнения
)
[2024-10-08 19:50:42] Формирование нейросетевой архитектуры для получения оценок по нейросетевым признакам (аудио модальность) …
— Время выполнения: 1.052 сек. —
Загрузка весов нейросетевой модели для получения оценок по нейросетевым признакам
_b5.audio_model_nn_- Нейросетевая модель nn.Module для получения оценок по нейросетевым признакам
[8]:
# Настройки ядра
_b5.path_to_save_ = './models' # Директория для сохранения файла
_b5.chunk_size_ = 2000000 # Размер загрузки файла из сети за 1 шаг
url = _b5.weights_for_big5_['audio']['fi']['nn']['googledisk']
res_load_audio_model_weights_nn = _b5.load_audio_model_weights_nn(
url = url, # Полный путь к файлу с весами нейросетевой модели
force_reload = False, # Принудительная загрузка файла с весами нейросетевой модели из сети
out = True, # Отображение
runtime = True, # Подсчет времени выполнения
run = True # Блокировка выполнения
)
[2024-10-08 19:50:43] Загрузка весов нейросетевой модели для получения оценок по нейросетевым признакам (аудио модальность) …
[2024-10-08 19:50:50] Загрузка файла «weights_2022-05-03_07-46-14.pth» 100.0% …
— Время выполнения: 7.158 сек. —
Формирование нейросетевых архитектур моделей для получения результатов оценки персональных качеств
_b5.audio_models_b5_- Нейросетевые модели nn.Module для получения результатов оценки персональных качеств
[9]:
res_load_audio_models_b5 = _b5.load_audio_models_b5(
show_summary = False, # Отображение сформированной нейросетевой архитектуры модели
out = True, # Отображение
runtime = True, # Подсчет времени выполнения
run = True # Блокировка выполнения
)
[2024-10-08 19:50:50] Формирование нейросетевых архитектур моделей для получения результатов оценки персональных качеств (аудио модальность) …
— Время выполнения: 0.001 сек. —
Загрузка весов нейросетевых моделей для получения результатов оценки персональных качеств
_b5.audio_models_b5_- Нейросетевые модели nn.Module для получения результатов оценки персональных качеств
[10]:
# Настройки ядра
_b5.path_to_save_ = './models' # Директория для сохранения файла
_b5.chunk_size_ = 2000000 # Размер загрузки файла из сети за 1 шаг
url_openness = _b5.weights_for_big5_['audio']['fi']['b5']['openness']['googledisk']
url_conscientiousness = _b5.weights_for_big5_['audio']['fi']['b5']['conscientiousness']['googledisk']
url_extraversion = _b5.weights_for_big5_['audio']['fi']['b5']['extraversion']['googledisk']
url_agreeableness = _b5.weights_for_big5_['audio']['fi']['b5']['agreeableness']['googledisk']
url_non_neuroticism = _b5.weights_for_big5_['audio']['fi']['b5']['non_neuroticism']['googledisk']
res_load_audio_models_weights_b5 = _b5.load_audio_models_weights_b5(
url_openness = url_openness, # Открытость опыту
url_conscientiousness = url_conscientiousness, # Добросовестность
url_extraversion = url_extraversion, # Экстраверсия
url_agreeableness = url_agreeableness, # Доброжелательность
url_non_neuroticism = url_non_neuroticism, # Эмоциональная стабильность
force_reload = False, # Принудительная загрузка файла с весами нейросетевой модели из сети
out = True, # Отображение
runtime = True, # Подсчет времени выполнения
run = True # Блокировка выполнения
)
[2024-10-08 19:50:50] Загрузка весов нейросетевых моделей для получения результатов оценки персональных качеств (аудио модальность) …
[2024-10-08 19:50:53] Загрузка файла «weights_2022-06-15_16-16-20.pth» 100.0% … Открытость опыту
[2024-10-08 19:50:55] Загрузка файла «weights_2022-06-15_16-21-57.pth» 100.0% … Добросовестность
[2024-10-08 19:50:58] Загрузка файла «weights_2022-06-15_16-26-41.pth» 100.0% … Экстраверсия
[2024-10-08 19:51:00] Загрузка файла «weights_2022-06-15_16-32-51.pth» 100.0% … Доброжелательность
[2024-10-08 19:51:03] Загрузка файла «weights_2022-06-15_16-37-46.pth» 100.0% … Эмоциональная стабильность
— Время выполнения: 12.325 сек. —
Получение прогнозов (аудио модальность)
_b5.df_files_- DataFrame с данными
_b5.df_accuracy_- DataFrame с результатами вычисления точности
[11]:
# Настройки ядра
_b5.path_to_dataset_ = 'E:/Databases/FirstImpressionsV2/test' # Директория набора данных
# Директории не входящие в выборку
_b5.ignore_dirs_ = []
# Названия ключей для DataFrame набора данных
_b5.keys_dataset_ = ['Path', 'Openness', 'Conscientiousness', 'Extraversion', 'Agreeableness', 'Non-Neuroticism']
_b5.ext_ = ['.mp4'] # Расширения искомых файлов
_b5.path_to_logs_ = './logs' # Директория для сохранения LOG файлов
# Полный путь к файлу с верными предсказаниями для подсчета точности
url_accuracy = _b5.true_traits_['fi']['googledisk']
res_get_audio_union_predictions = _b5.get_audio_union_predictions(
depth = 1, # Глубина иерархии для получения аудио и видеоданных
recursive = False, # Рекурсивный поиск данных
sr = 44100, # Частота дискретизации
window = 2, # Размер окна сегмента сигнала (в секундах)
step = 1, # Шаг сдвига окна сегмента сигнала (в секундах)
accuracy = True, # Вычисление точности
url_accuracy = url_accuracy,
logs = True, # При необходимости формировать LOG файл
out = True, # Отображение
runtime = True, # Подсчет времени выполнения
run = True # Блокировка выполнения
)
[2024-10-08 20:28:05] Получение прогнозов и вычисление точности (аудио модальность) …
2000 из 2000 (100.0%) … test80_25_Q4wOgixh7E.004.mp4 …
| Path | Openness | Conscientiousness | Extraversion | Agreeableness | Non-Neuroticism | |
|---|---|---|---|---|---|---|
| Person ID | ||||||
| 1 | 13kjwEtSyXc.003.mp4 | 0.603529 | 0.556218 | 0.526543 | 0.579646 | 0.547635 |
| 2 | 1Lv72Si4GnY.000.mp4 | 0.568252 | 0.465237 | 0.460755 | 0.541791 | 0.511347 |
| 3 | 1uC-2TZqplE.003.mp4 | 0.546181 | 0.603923 | 0.469423 | 0.589499 | 0.545701 |
| 4 | 2Z8Xi_DTlpI.000.mp4 | 0.691046 | 0.623833 | 0.628842 | 0.614673 | 0.645805 |
| 5 | 3df_Uk9EmwU.002.mp4 | 0.690791 | 0.589742 | 0.636094 | 0.606597 | 0.634776 |
| 6 | 3gmc2kLV4Bo.003.mp4 | 0.657285 | 0.68135 | 0.571423 | 0.596065 | 0.623456 |
| 7 | 3hKgh9AB3tk.003.mp4 | 0.453752 | 0.438842 | 0.376457 | 0.520405 | 0.438247 |
| 8 | 3S72dDIm1fM.005.mp4 | 0.558587 | 0.598298 | 0.452168 | 0.618857 | 0.571629 |
| 9 | 3tPq9fNOXZQ.000.mp4 | 0.529056 | 0.502458 | 0.426567 | 0.488254 | 0.443686 |
| 10 | 43tayteIFRk.001.mp4 | 0.537253 | 0.508196 | 0.438884 | 0.579789 | 0.512096 |
| 11 | 4RKQGZzPClk.000.mp4 | 0.512775 | 0.447304 | 0.422976 | 0.559119 | 0.49141 |
| 12 | 6zm71IHOCZA.005.mp4 | 0.447127 | 0.451081 | 0.36446 | 0.513057 | 0.414437 |
| 13 | 7qGYGbIg45c.001.mp4 | 0.36839 | 0.391951 | 0.274883 | 0.42953 | 0.307687 |
| 14 | 8YQKwMdiaAE.003.mp4 | 0.582561 | 0.432921 | 0.412405 | 0.44201 | 0.462234 |
| 15 | 9Crw2RtrBcY.005.mp4 | 0.627692 | 0.801797 | 0.528606 | 0.692622 | 0.691895 |
| 16 | 9eNHxfOV2Kg.005.mp4 | 0.708788 | 0.653992 | 0.640535 | 0.632075 | 0.669044 |
| 17 | 9J-KIPMQmqk.002.mp4 | 0.58397 | 0.644069 | 0.504643 | 0.63351 | 0.59207 |
| 18 | 9RfE2-aTvaM.002.mp4 | 0.550824 | 0.539586 | 0.468088 | 0.59486 | 0.543999 |
| 19 | 9_6auSk_wkY.002.mp4 | 0.626713 | 0.563235 | 0.556535 | 0.561917 | 0.54922 |
| 20 | aaylz9A9K80.000.mp4 | 0.593027 | 0.421477 | 0.50483 | 0.534268 | 0.532835 |
| 21 | Af_F0IzHK6o.002.mp4 | 0.545953 | 0.479617 | 0.465817 | 0.57133 | 0.518822 |
| 22 | Ah5PEPT4xbo.000.mp4 | 0.548449 | 0.480838 | 0.453347 | 0.527779 | 0.477625 |
| 23 | AotbiNsU85A.003.mp4 | 0.486088 | 0.467776 | 0.396133 | 0.444673 | 0.399426 |
| 24 | BLc_GvsbI1U.001.mp4 | 0.558279 | 0.537874 | 0.47412 | 0.56359 | 0.529321 |
| 25 | bLOSPQ8MAC8.005.mp4 | 0.473006 | 0.542048 | 0.370227 | 0.550082 | 0.467045 |
| 26 | bPLhV0PGR50.001.mp4 | 0.530933 | 0.460269 | 0.410569 | 0.507323 | 0.450016 |
| 27 | bYXRyimxh7A.001.mp4 | 0.618052 | 0.506387 | 0.572215 | 0.574839 | 0.563787 |
| 28 | ch2BcBv4SdQ.003.mp4 | 0.647054 | 0.57776 | 0.565904 | 0.575295 | 0.606337 |
| 29 | cpch8WDydcM.004.mp4 | 0.571504 | 0.529554 | 0.486678 | 0.535736 | 0.529069 |
| 30 | De4i7-FX9Og.002.mp4 | 0.655017 | 0.606722 | 0.592835 | 0.570564 | 0.60037 |
[2024-10-08 20:28:05] Точность по отдельным персональным качествам личности человека …
| Openness | Conscientiousness | Extraversion | Agreeableness | Non-Neuroticism | Mean | |
|---|---|---|---|---|---|---|
| Metrics | ||||||
| MAE | 0.0916 | 0.0925 | 0.0932 | 0.0918 | 0.094 | 0.0926 |
| Accuracy | 0.9084 | 0.9075 | 0.9068 | 0.9082 | 0.906 | 0.9074 |
[2024-10-08 20:28:05] Средняя средних абсолютных ошибок: 0.0926, средняя точность: 0.9074 …
Лог файлы успешно сохранены …
— Время выполнения: 2221.886 сек. —