任务

李宏毅 HW2：音素识别，帧级别分类。输入是 39 维 MFCC，每帧预测 41 类音素之一。训练 3428 句，验证 858 句。

结果

val acc 跑到 0.80（RNN），课程 boss 线是 0.82，差一点。悲。

做了什么

• 基线：全连接 + concat_nframes 看前后帧
• 主力：换双向 LSTM
• 卡在 0.79，加 RNN 后到 0.80

易忘点

• 变长序列要 pack，不然 padding 会干扰 LSTM：

packed_x = pack_padded_sequence(x, lengths.cpu(), batch_first=True, enforce_sorted=False)
packed_out, _ = self.lstm(packed_x)
out, _ = pad_packed_sequence(packed_out, batch_first=True)

图