Piano Trainer 项目教程

Piano Trainer 项目教程

piano-trainerMemorize piano scales with ease! A piano practice program w/ MIDI support. Consider it an interactive reference manual 🎹项目地址:https://gitcode.com/gh_mirrors/pi/piano-trainer

1. 项目目录结构及介绍

Piano Trainer 项目的目录结构如下:

piano-trainer/
├── .github/
│   └── ...
├── public/
│   └── ...
├── src-tauri/
│   └── ...
├── src/
│   └── ...
├── .gitignore
├── .prettierrc
├── .taurignore
├── LICENSE.md
├── README.md
├── app-icon.png
├── package.json
├── start-dev.sh
├── tsconfig.json
└── yarn.lock

目录介绍

  • .github/:包含 GitHub 相关的配置文件,如 Actions、Issues 模板等。
  • public/:存放项目的静态资源文件。
  • src-tauri/:Tauri 框架相关的源代码文件。
  • src/:React 应用的源代码文件。
  • .gitignore:Git 忽略文件配置。
  • .prettierrc:Prettier 代码格式化配置文件。
  • .taurignore:Tauri 忽略文件配置。
  • LICENSE.md:项目许可证文件。
  • README.md:项目说明文件。
  • app-icon.png:应用图标文件。
  • package.json:Node.js 项目的配置文件,包含依赖和脚本。
  • start-dev.sh:开发环境启动脚本。
  • tsconfig.json:TypeScript 配置文件。
  • yarn.lock:Yarn 包管理器的锁定文件。

2. 项目启动文件介绍

项目的启动文件主要是 start-dev.sh,这是一个用于启动开发环境的脚本。该脚本通常会执行以下操作:

  • 启动前端开发服务器。
  • 启动 Tauri 开发环境。
  • 监听文件变化并自动重新加载应用。

3. 项目配置文件介绍

3.1 package.json

package.json 是 Node.js 项目的配置文件,包含以下主要内容:

  • name: 项目名称。
  • version: 项目版本。
  • scripts: 定义了项目的脚本命令,如 startbuild 等。
  • dependencies: 项目依赖的第三方库。
  • devDependencies: 开发环境依赖的第三方库。

3.2 tsconfig.json

tsconfig.json 是 TypeScript 项目的配置文件,定义了 TypeScript 编译器的选项,如:

  • compilerOptions: 编译器选项,如 targetmodulestrict 等。
  • include: 指定包含的文件或目录。
  • exclude: 指定排除的文件或目录。

3.3 .prettierrc

.prettierrc 是 Prettier 代码格式化工具的配置文件,定义了代码格式化的规则,如:

  • printWidth: 每行最大字符数。
  • tabWidth: 缩进宽度。
  • singleQuote: 是否使用单引号。
  • semi: 是否在语句末尾添加分号。

3.4 .gitignore

.gitignore 文件定义了 Git 版本控制系统中需要忽略的文件和目录,如:

  • node_modules/: 忽略 Node.js 依赖包目录。
  • dist/: 忽略构建输出目录。
  • .env: 忽略环境变量文件。

3.5 .taurignore

.taurignore 文件定义了 Tauri 构建工具中需要忽略的文件和目录,类似于 .gitignore

3.6 LICENSE.md

LICENSE.md 文件包含了项目的开源许可证信息,通常为 MIT 许可证。

3.7 README.md

README.md 文件是项目的说明文档,包含了项目的简介、安装步骤、使用说明等内容。

通过以上介绍,您可以更好地理解和使用 Piano Trainer 项目。

piano-trainerMemorize piano scales with ease! A piano practice program w/ MIDI support. Consider it an interactive reference manual 🎹项目地址:https://gitcode.com/gh_mirrors/pi/piano-trainer

【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

魏纯漫

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值