PyTorch实战（16）——基于LSTM实现音乐生成

0. 前言

本节我们将介绍音乐生成，利用 PyTorch 构建能够创作类古典音乐的机器学习模型。在本节中，我们将采用长短期记忆网络 (Long Short-Term Memory, LSTM) 来处理序列化音乐数据。训练数据选自莫扎特的古典音乐作品，每首乐曲将被分解为钢琴音符序列。读取以 MIDI (Musical Instrument Digital Interface) 格式存储的音乐数据，MIDI 是一种跨设备、跨环境读写音乐数据的通用标准格式。
在将 MIDI 文件转换为钢琴音符序列(即钢琴卷帘谱，piano roll)后，我们将用这些数据来训练一个"下一音符预测"系统。该系统基于 LSTM 构建分类器，根据给定的前置音符序列(共 88 种可能，对应标准钢琴的 88 个琴键)预测后续音符。
接下来，介绍构建人工智能音乐生成模型的完整流程，重点展示 PyTorch 在数据加载、模型训练和音乐样本生成中的应用。

1. 加载 MIDI 音乐数据

首先，我们将加载 MIDI 格式的音乐数据，介绍如何处理 MIDI 数据，并将其转换为