如何开发一个可以识别作曲家歌曲的神经网络

Question

我最近承担了一个项目来测试机器学习算法的效率。然而，我很难找到一个平台来实现我的想法。这是我正在尝试做的事情。

我正在尝试创建一个可以按作曲家识别古典音乐作品的神经网络。我将使用一组古典剪辑来训练它，每个剪辑时长 5 秒，由 5 位不同的作曲家完成。总共将有 25 首这样的歌曲。该算法无需任何集成到应用程序中，必须能够识别歌曲。我对这个算法有一组特定的要求。

1：它必须可用于 MacOS Mojave 或 High Sierra，作为 Python 编程语言中的应用程序或库。

2：它必须有一些关于如何在其中创建神经网络的在线文档。

3：它必须能够处理听觉刺激。 （例如，Xcode 10.1 无法使用 MLClassifier 处理听觉刺激。）

4：用户必须能够轻松更改算法中的隐藏层数。

如果所有这些要求都得到满足，并且如果我能够通过通信解决其他问题，我的问题就会得到解决。我期待与 Stack Overflow 社区的成员合作以找到解决方案。感谢您提供的任何帮助。

真诚地， 苏伦·格里高利安

Answer 1

问题：

The algorithm, without any integration into an application, has to be able to identify the songs.

要求：

1: It must be available for MacOS Mojave or High Sierra as an application or library in the Python programming language.

2: It must have some sort of documentation online as to how to create a neural network in it.

3: It must be able to handle auditory stimuli. (For example, Xcode 10.1 cannot handle auditory stimuli using an MLClassifier.)

4: The user must be able to alter the number of hidden layers in the algorithm easily.

这很麻烦。 1) 与问题陈述相矛盾 - 它陈述了 MacOS 或 Python 集成要求。 2) 说明集成要求（在线文档。） 4) 妥协效率要求（用户可以重塑模型，直到它无用或太重而无法对可用资源进行操作。）为什么你有义务在 5 秒内准备数据-ps？要求混乱的数据科学项目弊大于利。

撇开这一切不谈，我猜你的项目听起来很适合 tensorflow。你可以在任何可以让你持久化到 tf 图形和权重的环境（例如 keras）中进行训练，然后如果你想与 d3 或现代 web 应用程序无缝集成，可以使用转换器为 tensorflow.js 持久化你的模型。

如果您之前没有实现过音频分类器，tf 在他们的文档中有一个很好的入门项目：https://www.tensorflow.org/tutorials/sequences/audio_recognition