基于专家系统和神经网络用音乐形式生成旋律以及数据集和预训练模型.zip

# 基于专家系统和神经网络用音乐形式生成旋律 ## 1.数据 我们从 [此处](https://colinraffel.com/projects/lmd/) 获取 LMD 数据集并将它们处理为单声道。在我们的实验中，我们提供了一个 [script](./process_lmd.py) 来解析 LMD 数据。我们在 [此处](./data/train/raw) 中提供了旋律轨道中的一些原始数据作为运行脚本的示例。 ```狂欢 python preprocess_lmd.py ./data/train/raw ./data/train/processed/para ``` 基于以上脚本，会在`./data/train/processed/para`目录下生成数据样本。 我们提供了 [script](binarize.sh) 来生成二值化数据。要运行的脚本如下： ```狂欢 data_dir=./data/train/processed/ user_dir=meloformt bash 二进制化.sh $data_dir $user_dir ``` ## 2. 训练 我们提供了一个用于运行的示例脚本。 ```狂欢 data_dir=./data/train/processed/processed_pa​​ra/ #二值化数据的路径 user_dir=meloform bash train.sh $data_dir $user_dir ``` ## 3.细化 对于细化，我们需要首先处理来自专家系统的综合数据，然后神经网络将逐句迭代地对其进行细化。我们提供了专家系统的几首旋律来帮助测试，更多数据将很快发布。 首先，运行以下脚本来处理来自专家系统的综合数据： ```狂欢 data_dir=./data/refine/expert_system 歌曲编号=0 out_dir=./data/refine/data_nn python process_es.py $data_dir $song_id $out_dir ``` 处理后的结果在`./data/refine/data_nn/{song_id}`下，在`./data/refine/data_nn/{song_id}/template`中。 最后，运行 ```狂欢 data_dir=./data/refine/data_nn 歌曲编号=0 model_path=检查点/ res_dir=结果/ bash meloform_refine_melody.sh $data_dir $song_id $model_path $res_dir ``` 最终精炼的旋律将位于`{res_dir}/out_midi/{song_id}/b1/src_res.mid` 请注意，我们这次只发布神经网络的代码，专家系统的旋律数据将很快发布。