人工智能是近年来十分火热的计算机学科分支，而最近这一次人工智能热潮则与深度神经网络的惊人应用密切相关。神经网络正改善着我们生活的方方面面：可以推荐可能感兴趣的商品；可以根据作者的写作风格生成文本；还可以用来改变图像的艺术风格。Python这门编程语言因其自身的简洁性和易用性，受到了人工智能相关社区的青睐。TensorFlow、PyTorch、Keras等用于搭建神经网络的工具都为Python提供了强大的支持。在本期图文中，将介绍如何使用TensorFlow在Python中使用循环神经网络生成原创音乐。
在详细介绍实现方法之前，需要简要解释一些专用术语。
专用术语
1
●
循环神经网络
循环神经网络(recurrent neural network， RNN)是一类常用于处理序列信息的人工神经网络。它被称为“循环”，是因为它们对序列的每个元素执行相同的功能，同时处理每个元素所得到的结果也与先前元素的计算结果有关。而传统神经网络中每个元素的运算结果是完全独立于先前计算的。
在本期案例中，将使用长期短期记忆(LSTM)网络。LSTM网络是循环神经网络最负盛名的变种之一。由于使用了门控机制，LSTM特别适合于处理和预测时间序列中间隔和延迟非常长的重要事件，对于解决网络必须长时间记住信息的问题表现十分出众，音乐和文本生成就是一个十分典型的场景。
2
●
Music 21
Music 21是一个用计算机来辅助音乐研究的Python工具包。可以用来阐释一些音乐理论的基础知识，生成音乐示例和学习音乐。该工具包提供了一个简单的接口来获取MIDI文件的乐谱。此外，它允许读者创建Note和Chord对象，以便轻松制作自己的MIDI文件。
在本期中，将使用Music 21提取数据集的内容并在获取神经网络的输出后，将其转换为乐谱。
3
●
TensorFlow
本期图文使用TensorFlow(2.5.0版)作为搭建与训练神经网络的基础框架。一旦模型被训练好之后，就使用它生成新音乐的乐谱。
项目结构设计
本期将为读者介绍的音乐生成项目有着十分经典的数据科学的学科特点，比如数据驱动的理念，允许快速验证迭代，可扩展性强等。为读者梳理了此类型项目的通用流程，主要包括实验环境准备、数据初步分析、搭建数据预处理流程、设计并实现模型、验证模型效果并尝试迭代改进等一系列必需的步骤，以帮助读者理解项目的脉络，尽快将所学应用到实践中去。
在代码结构方面，力求尽量精简地为读者们呈现深度学习项目的必备要素，将训练模型和验证模型两部分划分为两个不同的代码文件，并按顺序进行介绍。在训练部分，将详细介绍数据的预处理流程，并结合实例与示意图对深度学习的一些基本概念进行讲解，一步一步地带领读者构建出完整的项目代码。验证部分会带领读者对模型的结果做一个基本的分析，并尝试提出下一步可供改进和尝试的方向供读者自行探索
扫码观看视频讲解（限免3天）
说明
本系列文章出自《TensorFlow深度学习实战（微课视频版）》（ISBN：9787302602934），为作者全权授权的独家原创文章，转载请联系公众号后台申请授权，并注明出处。
实例讲解
TensorFlow深度学习实战
精彩回顾
深度学习框架
TensorFlow环境搭建
实战篇
参考书籍
《TensorFlow深度学习实战（微课视频版）》
配有源代码、教学课件、教学大纲、微课视频等资源，56个知识点案例、9个完整项目案例。
ISBN：9787302602934
作者：吕云翔 王志鹏 刘卓然 主编 欧阳植昊 郭志鹏 王渌汀 闫坤 杜宸洋 关捷雄 华昱云 陈妙然 副主编
价格：59.90元
内容简介
本书以深度学习框架TensorFlow为基础，介绍机器学习的基础知识与常用方法，全面细致地提供了机器学习操作的原理及其在深度学习框架下的实践步骤。全书共16章，分别介绍了深度学习基础知识、深度学习框架及其对比、机器学习基础知识、深度学习框架TensorFlow的基础知识、Logistic回归、多层感知器、卷积神经网络与计算机视觉、神经网络与自然语言处理以及8个实战案例。本书将理论与实践紧密结合，相信能为读者提供有益的学习指导。本书适合Python深度学习初学者、机器学习算法分析从业人员以及高等院校计算机科学、软件工程等相关专业的师生阅读。
