将 x = self.classification(x)修改成 x = F.softmax(x, dim=1)。解决措施：在找了好久的原因之后，确定输入的形状没有问题，最终是output 的形状大小有问题。

本篇总结了当前较为流行的基于深度学习的音频降噪算法，如：RNNoise、Wave-U-Net(卷积神经网络）、Conv-TasNet全卷积时域音频分离网络、DC-U-Net深度复数网络、DC-CRN深复卷积递归网络、PRNN双路径循环神经网络等算法

最近，通过pytorch对自己的数据集实现了数据分类，从导入参数（数据集、模型等路径以及模型超参数）、训练设备信息、数据集信息、训练组件配置信息、特征提取，模型训练及预测全过程实战演练。

1.pycharm运行脚本，出现下面情况。

最近，通过pytorch对自己的数据集实现了数据分类，从导入参数（数据集、模型等路径以及模型超参数）、训练设备信息、数据集信息、训练组件配置信息、特征提取，模型训练及预测全过程实战演练。

本篇总结了当前较为流行的基于深度学习的音频降噪算法，如：RNNoise、Wave-U-Net(卷积神经网络）、Conv-TasNet全卷积时域音频分离网络、DC-U-Net深度复数网络、DC-CRN深复卷积递归网络、PRNN双路径循环神经网络等算法

本篇总结了当前较为流行的基于深度学习的音频降噪算法，如：RNNoise、Wave-U-Net(卷积神经网络）、Conv-TasNet全卷积时域音频分离网络、DC-U-Net深度复数网络、DC-CRN深复卷积递归网络、PRNN双路径循环神经网络等算法

将 x = self.classification(x)修改成 x = F.softmax(x, dim=1)。解决措施：在找了好久的原因之后，确定输入的形状没有问题，最终是output 的形状大小有问题。

本篇总结了当前较为流行的基于深度学习的音频降噪算法，如：RNNoise、Wave-U-Net(卷积神经网络）、Conv-TasNet全卷积时域音频分离网络、DC-U-Net深度复数网络、DC-CRN深复卷积递归网络、PRNN双路径循环神经网络等算法

当Python代码被编译为exe文件时，一些Python特有的功能可能不会像在Python解释器中那样工作。特别是与标准输出相关的部分，可能会因为exe文件的限制而变得不可用。