我使用频谱图作为我用 Python 中的 tensorflow.keras 创建的卷积神经网络的输入。
它的形状是（时间，频率，1）。
CNN 的输入形状是 (None, time, frequency, n_channels)，其中 n_channels=1，第一层是 Conv2D。在每个卷积层之间，我在激活层之前使用 BatchNormalization 层。BatchNormalization 的默认值为“axis=-1”。我应该保持原样还是应该使用对应于“频率”轴的“axis = 2”来制作它？
这背后的想法是频谱图的特征在频率轴上表示。
有趣的问题:)
使用频谱图意味着您实际上是在使用图像（频率随时间变化）。我理解内容就像图表一样理解，即轴时间和频率，但据网络所知，你给它的是黑白图像；假设您的最后一个维度(=1)是渠道维度。
您通常希望对特征采用批处理规范，因此它可能取决于您所看到的特征。您是否关心光谱峰/谷的形状，或最终通道中编码的值？axis使用时的含义BatchNormalization可能有点令人困惑。看看这些解释和这里的一些要点。
因此，就纯图像而言，我建议保留默认的axis=-1.
请记住，2d 卷积操作正在寻找图像本身的空间相关性——内核从左到右、从上到下滑动。因此，将这个想法与然后在第二个轴 ( frequency) 上采用批处理规范相结合实际上是一个正交的想法。
我不知道它是否会成功，但我认为如果你的频谱图及时对齐可能最有意义，也就是说它们覆盖相同的标称时间段，因此对于其中两个具有相同大小的频谱图，x-轴具有相同的比例。否则，您将在不同的时间范围内进行批量标准化，从而激发样本之间的时间信息。