Magenta魔改记-3：Melody RNN总览

本文链接：https://blog.csdn.net/weixin_38090501/article/details/90524661

本文深入介绍了Magenta的Melody RNN模型，包括其四种配置：basic_rnn, one_hot, lookback_rnn和attention_rnn。内容涉及模型架构、训练与生成过程，以及数据转换和超参数配置。此外，文章还提到了模型的训练、验证与生成音乐的方法。" 104631252,9288771,PE文件内嵌补丁技术实战：《逆向工程核心原理》学习,"['反汇编', '信息安全', '加密解密']

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Melody RNN总览

本文主要介绍Magenta RNN的模型架构和通过运行Python文件进行训练、生成的方法，以及修改Python文件的参数。

Magenta version:1.1.1

Melody RNN是什么？

Melody RNN是Magenta的自动作曲模型中最简单也是最基本的一个模型。万丈高楼平地起，Magenta就是从这个模型开始，一点点添加内容与架构，最后写就了如今这些种类繁多的自动作曲模型。

Melody RNN，顾名思义，是使用RNN模型对旋律（melody）进行生成的模型。该模型的输入为一段旋律（MIDI格式），而输出则是这段旋律与模型根据这段旋律继续生成的旋律，格式也为MIDI。

然而，Melody RNN也并不是个简单的模型。总的来说，Melody RNN模型是一个基于LSTM（Long short-term memory）网络进行时间序列预测的模型。只不过，我们将音乐转换为时间序列，对音高或事件进行编码，以进行预测。在Magenta的GitHub中对此模型的介绍为：Applies language modeling to melody generation using an LSTM. 事实上，此模型是参考基本的NLP（
Natural language processing）模型，尤其是其中的人工智能写作模型的。

在Melody RNN中，总体的数据表示方式为Pianoroll式，即将音符序列按一定时间间隔（通常是1/4小节）采样，形成时间序列对于见前文所述。其运用监督式学习进行训练，基于最大似然进行训练，目标函数为Softmax。
训练的目标为：输入一定长度的时间序列，预测（即输出）这个序列的下一个点的值。

在Melody RNN中，又分为四种不同的配置（或模型架构），每个架构都有不同的数据表示与RNN结构。这四种配置依次由简到繁，请读者依次阅读：

basic_rnn：基准架构，音高使用one-hot编码。One-hot码的表示形式为：对于N个类，只有其中的一个位置值为1，其余为0，值为1位置的索引值即为当前编码的类的值。独热码中每个类的含义为MIDI音高，即每个类为一个半音。每个时间点的输入为按最小频率（默认为1/4个四分音符）采样的旋律的独热表示，