Question

我正在使用PyBrain来训练音乐网络。输入是两个音符，输出是接下来的两个音符。每个音符由映射到音符的整数（E.G C＃= 11，F = 7），八度音程和持续时间表示。所以我正在使用数据集：

ds = SupervisedDataSet(6, 6)

看起来像([note1, octave1, duration1, note2, octave2, duration2], [note1, octave1, duration1, note2, octave2, duration2])

然而，我遇到了和弦问题（I.E一次播放多个音符）。为了解决这个问题，我摆脱了表示音符的第一个整数，并用22个整数替换它，设置为1或0，以指示正在播放哪些音符。我仍然有这个八度和持续时间。例如，以下

[0, 0, 0, 1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 4, 0.5]

代表C＃，E和A的和弦，其八度为4，持续时间为0.5 在训练和测试之后，PyBrain总是给我一个全零的输出。我理解为什么会这样做，但我不知道如何解决它是否有更好的方式来表示音符/和弦，以便PyBrain不会出现这个问题？

编辑：我已经将位向量转换为十进制数，虽然网络不再只是给零，但它仍然很清楚它没有正确地学习模式。

我正在使用这样的网络：

net = buildNetwork(6, 24, 6, bias=True, hiddenclass=LSTMLayer, recurrent=True)

和这样的培训师：

trainer = BackpropTrainer(net, ds, verbose = True)

当我训练时，我遇到了一个巨大的错误，比如十或十万。

Answer 1

你的问题对我来说不是那么清楚，我认为它需要更详细的解释，但依赖于我的理解我认为你不需要在你的网络中重新学习，也试图在隐藏层中使用另一个激活功能，例如Softmax。我在一些带有6个节点输入和6个输出的样本数据集上进行了测试，并且它正在被正确训练，所以我在那里建议你使用我的版本：

from pybrain.tools.shortcuts import buildNetwork
from pybrain.datasets import SupervisedDataSet
from pybrain.supervised.trainers import BackpropTrainer
from pybrain.structure.modules import SoftmaxLayer

ds = SupervisedDataSet(6, 6)

#
# fill dataset
#
net = buildNetwork(6, 24, 6, bias=True, hiddenclass=SoftmaxLayer)
trainer = BackpropTrainer(net, ds)

<强>列车：

error = 10
while error > 0.00001:  #choose error like you want
    error = trainer.train()
    print error #just for logging

#and activate
print net.activate([*,*,*,*,*,*])

神经网络数据稀疏性

1 个答案: