Я прочитал статью, в которой использовался CNN для классификации аудиофайлов. Я знаю, что мы можем получить спектрограмму квадратным абсолютным результатом STFT. После этого у меня есть массивный массив m * n. Так что я думаю, что могу передать его в виде массива numy с формой (m, n, 1) в CNN. Но я также прочитал некоторые уроки в Интернете, они строят спектрограмму и сохраняют ее в виде файлов png или jpg. После этого они классифицируют, используя эти изображения с формой (m1, n1, 3) в качестве входных данных CNN. Можете ли вы сказать, какой подход правильный? Извините, если у меня есть грамматические ошибки, потому что мой английский плохой. Спасибо