问题描述
我从视频中提取了视频帧和 mfcc。我得到 (524,64,64) 个视频帧和 (80,525) mfcc 的形状。数据匹配的帧数，但维度相反。如何将 mfcc 对齐到大小 (525,80)。
并且通过排列尺寸，它会扭曲音频信息吗？
解决方法
交换多维数组的维度根本不会改变值，只会改变它们的位置。
要交换时间轴是 MFCC 中的第一个轴，请使用 .T（用于转置）numpy 属性。
mfcc_timefirst = mfcc.T
我从视频中提取了视频帧和 mfcc。我得到 (524,64,64) 个视频帧和 (80,525) mfcc 的形状。数据匹配的帧数，但维度相反。如何将 mfcc 对齐到大小 (525,80)。
并且通过排列尺寸，它会扭曲音频信息吗？
交换多维数组的维度根本不会改变值，只会改变它们的位置。
要交换时间轴是 MFCC 中的第一个轴，请使用 .T（用于转置）numpy 属性。
mfcc_timefirst = mfcc.T