我最近进行了一个项目，以测试机器学习算法的效率。但是，在寻找一个平台将我的想法付诸实现时，我遇到了很多麻烦。这是我正在尝试做的事情。
我正在尝试创建一个神经网络，以识别作曲家的古典音乐作品。我将使用一组经典的片段来训练它，每个片段长5秒，由5位不同的作曲家进行。总共将有25首这样的歌曲。无需与应用程序进行任何集成，该算法必须能够识别歌曲。我对该算法有一组特定的要求。
1：MacOS Mojave或High Sierra必须作为Python编程语言的应用程序或库提供。
2：它必须在线上有一些有关如何在其中创建神经网络的文档。
3：它必须能够处理听觉刺激。 （例如，Xcode 10.1无法使用MLClassifier处理听觉刺激。）
4：用户必须能够轻松更改算法中的隐藏层数。
如果所有这些要求都得到满足，并且我能够以通信方式解决其他问题，那么我的问题将得到解决。我期待与Stack Overflow社区的成员合作，以找到解决方案。感谢您提供的任何帮助。
此致， 苏伦·格里高利安（Suren Grigorian）
答案 0 :(得分：0)
问题：
The algorithm, without any integration into an application, has to be able to identify the songs.
要求：
1: It must be available for MacOS Mojave or High Sierra as an application or library in the Python programming language.
2: It must have some sort of documentation online as to how to create a neural network in it.
3: It must be able to handle auditory stimuli. (For example, Xcode 10.1 cannot handle auditory stimuli using an MLClassifier.)
4: The user must be able to alter the number of hidden layers in the algorithm easily.
这很麻烦。 1）与问题陈述相抵触-它声明了MacOS或Python集成要求。 2）声明了集成要求（在线文档。）4）折衷了功效要求（用户可以重塑模型，直到模型变得无用或过于沉重以致无法使用可用资源。）为什么您必须在5秒的摘要中准备数据？要求混乱的数据科学项目弊大于利。
将所有这些放在一边，我想您的项目听起来像是张量流的理想候选者。如果您想与d3或现代Web应用程序进行无缝集成，则可以在任何可以持久保存tf图和权重（例如keras）的环境中进行训练，然后使用转换器为tensorflow.js持久保存模型。
如果您以前没有实现音频分类器，则tf在其文档中有一个不错的入门项目：https://www.tensorflow.org/tutorials/sequences/audio_recognition