TensorFlow应用实战-工具类与网络模型

音符。

pitchname就是我们看过的C4d#等体验一个midi文件的构成。

node类和Chord类

汉堡没制作出来之前你的脑海已经有这个形状了。一层一层添加面包什么的。第一层的输出会变成第二层的输入，第二层的输出变成第三层的输入。以此类推。添加第一层

lstm神经元512Dropout丢弃一部分神经元防止过拟合第二个lstm神经元512第二个dropout依然丢弃30%第三个lstm给全连接层(dense)，256个神经元。丢弃30%之后，这个全连接层神经元个数等于我们的不同音调的个数。(num_pitch)softmax激活层算概率(最大概率)

C是概率最高的音符，挑选C最为最终的输出。

神经网络生成新音符/和弦原理我们给神经网络输入一个序列音符，经过神经网络模型。

将其中的A丢弃掉，然后产生新的预测。

将其中的B丢弃掉，再去产生新的预测音符。model.add(keras.layers.LSTM(512,#Lstm层神经元的数目是512，也是它输出的维度input_shape=(inputs.shape[1],inputs.shape[2]),#输入的形状return_sequences=True#返回Sequences（序列）))添加一个Lstm层。

在堆叠LSTM层时必须设置，最后一层LSTM不用设置有两个维度，音符和音符对应的整型值。

ifweights_fileisnotNone:#如果是生成音乐时#从HDF5文件中加载所有神经网络层的参数（Weights）model.load_weights(weights_file)returnmodel训练网络时不指定weights_file。训练和生成时都会用到这个model。