学习谷歌开源工具Magenta

Magenta介绍

Magenta是谷歌开源的一个人工智能工具，使用tensorflow编写，可以自动生成音乐与旋律等。

github：https://github.com/tensorflow/magenta。

操作系统：mac或者ubuntu。

Magenta下载

python安装

1）前置安装

安装python之前，需要安装一些其他东西，防止出错：

sudo apt-get update
sudo apt-get upgrade
sudo apt-get dist-upgrade
sudo apt-get install build-essential python-dev python-setuptools python-pip python-smbus
sudo apt-get install build-essential libncursesw5-dev libgdbm-dev libc6-dev
sudo apt-get install zlib1g-dev libsqlite3-dev tk-dev
sudo apt-get install libssl-dev openssl
sudo apt-get install libffi-dev
sudo apt-get install libbz2-dev
sudo apt-get install libsndfile1

2）下载python3

wget http://www.python.org/ftp/python/3.7.0/Python-3.7.0.tgz
# 解压文件
tar -xvzf Python-3.7.0.tgz
# 进入目录
cd Python-3.7.0
# 配置
./configure --with-ssl
# 编译
make
# 编译安装
sudo make install

下载完成后可以使用python3命令进行测试，如果能顺利进入python环境就安装成功啦！

magenta环境安装

安装完python之后，我们就该进行magenta项目环境的安装了。

# 下载脚本文件
curl https://raw.githubusercontent.com/tensorflow/magenta/master/magenta/tools/magenta-install.sh > /tmp/magenta-install.sh
# 执行脚本文件
bash /tmp/magenta-install.sh

环境安装完毕！！！！

使用Magenta

在一开始，我们先使用官方已经训练好的模型进行生成鼓点。

使用命令下载：

wget -o drum https://http://download.magenta.tensorflow.org/models/drum_kit_rnn.mag

具体链接在github项目中的每个modules文件的.md开头中。

编辑shell脚本

使用命令mkdir创建gen.sh文件，用来生成音乐，内容如下：

BUNDLE_PATH=/root/python_demo/magenta-test/drum_kit_rnn.mag  # 文件地址
CONFIG=drum_kit  # <one of 'one_drum' or 'drum_kit', matching the bundle> 选一个类型
#
drums_rnn_generate --config=${CONFIG} \
    --bundle_file=${BUNDLE_PATH} \
    --output_dir=/root/python_demo/magenta-test/music \
    --num_outputs=10 --num_steps=128 --primer_drums="[(36,)]"

赋予权限后，运行编辑好的脚本文件，将会自动在output_dir目录生成.midi文件，是不是很神奇！虽然并不是很好听（默默吐槽）。

用自己的midi文件进行训练

我们来训练melody类型的~首先通过midishow平台，通过评论拿积分进行下载大量的midi流行音乐，然后上传至ubuntu，进行训练。

下载地址

midishow平台：https://www.midishow.com

1）midi文件转换成.tfrecord文件

训练需要将.midi音乐文件转换成.tfrecord格式的文件，创建并编辑脚本文件，transfer.sh：

# midi文件总目录地址，如/root/....
INPUT_DIRECTORY=<folder containing MIDI and/or MusicXML files. can have child folders.>

# TFRecord file that will contain NoteSequence protocol buffers.生成目录的地址
SEQUENCES_TFRECORD=/tmp/notesequences.tfrecord

convert_dir_to_note_sequences \
  --input_dir=$INPUT_DIRECTORY \
  --output_file=$SEQUENCES_TFRECORD \
  --recursive

首行写上midi文件总目录，在第二行即SEQUENCES_TFRECORD写上生成文件安放的目录，赋予执行权限，运行。

2）生成SequenceExamples

这一步是配置训练的一系列参数，具体如下：

melody_rnn_create_dataset \
--config=<one of 'basic_rnn', 'mono_rnn', lookback_rnn', or 'attention_rnn'> \
--input=/tmp/notesequences.tfrecord \
--output_dir=/tmp/melody_rnn/sequence_examples \
--eval_ratio=0.10

其中配置我们选attention_rnn，input写上我们之前生成的.tfrecord文件目录，output_dir写上要放置的目录。
将其保存为config.sh。

3）训练

最后一步，我们需要进行模型的训练，创建train.sh，内容如下：

melody_rnn_train \
--config=attention_rnn \
--run_dir=/tmp/melody_rnn/logdir/run1 \
--sequence_example_file=/tmp/melody_rnn/sequence_examples/training_melodies.tfrecord \
--hparams="batch_size=64,rnn_layer_sizes=[64,64]" \
--num_training_steps=20000

run_dir自己配置即可，是运行的目录，然后其他参数仿照上面。训练次数为20000次，赋予权限后再此运行。

4）评估

训练完之后，可以进行模型的评估，具体脚本代码如下：

melody_rnn_train \
--config=attention_rnn \
--run_dir=/tmp/melody_rnn/logdir/run1 \
--sequence_example_file=/tmp/melody_rnn/sequence_examples/eval_melodies.tfrecord \
--hparams="batch_size=64,rnn_layer_sizes=[64,64]" \
--num_training_steps=20000 \
--eval

注意，这里的sequence_example_file是sequence_examples目录下的另一个文件。

可以运行tensorboard去浏览器来观看模型的效果。

tensorboard --logdir=/tmp/melody_rnn/logdir

使用ip:6006进行访问。

自动生成音乐

接下来，就可以使用训练好的模型来进行训练啦！！！！
编辑脚本文件gen.sh：

melody_rnn_generate \
--config=attention_rnn \
--run_dir=/tmp/melody_rnn/logdir/run1 \
--output_dir=/tmp/melody_rnn/generated \
--num_outputs=10 \
--num_steps=128 \
--hparams="batch_size=64,rnn_layer_sizes=[64,64]" \
--primer_melody="[60]"

生成目录自己替换即可。最后就会得到一份midi文件，将其传至本地，就可以听取啦！！！虽然我很想吐槽这个音乐是真的迷。

总结

magenta是个很有趣的tensorflow项目，内置了很多功能，在我的学习的过程中，也遭遇了非常多的坎坷，但也正是因为这些坎坷，才能变强（秃）。