我的任务是从wav文件中找到音符，然后将所有内容写入文本文件，就像MAPS数据集中一样（声音的开始，持续时间，音符名称）。在需要弹钢琴之后，必须使用神经网络，该网络已经找到了训练有素的人。问题在于将该网络引入算法中，保存网络网络输出数据。算法：wav文件，它产生一个图片频谱图，然后将其分割成一个窗口，进行扫描，每次扫描的结果是一个88值的向量，钢琴键的数量，几个相邻窗口可能发出相同的音符，如何使用上述结构将这些向量显示为测试文件？告诉我，您通常如何处理音乐以匹配网络的输入和输出？您需要了解错综复杂的内容，文学和思想，有关该主题的任何信息都很重要