BTC-ISMIR19 项目使用教程

BTC-ISMIR19 项目使用教程

BTC-ISMIR19 "A Bi-Directional Transformer for Musical Chord Recognition" accepted on ISMIR2019 项目地址: https://gitcode.com/gh_mirrors/bt/BTC-ISMIR19

1. 项目的目录结构及介绍

BTC-ISMIR19/
├── audio_dataset.py
├── baseline_models.py
├── btc_model.py
├── crf_model.py
├── LICENSE
├── README.md
├── run_config.yaml
├── test.py
├── train.py
├── train_crf.py
└── utils/
    └── ...

• audio_dataset.py: 加载数据并预处理标签文件为和弦标签，将mp3文件转换为常数Q变换。
• baseline_models.py: 包含基线模型的代码。
• btc_model.py: 包含BTC（双向变换器）的PyTorch实现。
• crf_model.py: 包含条件随机场（CRFs）的PyTorch实现。
• LICENSE: 项目的MIT许可证文件。
• README.md: 项目的介绍和使用说明。
• run_config.yaml: 包含超参数和路径的配置文件。
• test.py: 用于从音频文件中识别和弦。
• train.py: 用于训练模型。
• train_crf.py: 用于训练CRFs。
• utils/: 包含一些辅助工具和函数。

2. 项目的启动文件介绍

train.py

train.py 是用于训练BTC模型的启动文件。通过运行该文件，可以开始训练模型。

python train.py

test.py

test.py 是用于从音频文件中识别和弦的启动文件。通过运行该文件，可以对音频文件进行和弦识别。

python test.py --audio_dir audio_folder --save_dir save_folder --voca False

• --audio_dir: 包含音频文件的文件夹（默认值为./test）。
• --save_dir: 保存识别结果的文件夹（默认值为./test）。
• --voca: 标签类型，False表示主要和次要标签类型，True表示大词汇量标签类型（默认值为False）。

3. 项目的配置文件介绍

run_config.yaml

run_config.yaml 是项目的配置文件，包含训练和测试过程中所需的超参数和路径。

# 示例配置文件内容
model_params:
  hidden_size: 256
  num_layers: 4
  dropout: 0.1

data_params:
  audio_dir: "./data/audio"
  label_dir: "./data/labels"
  save_dir: "./results"

training_params:
  batch_size: 32
  learning_rate: 0.001
  num_epochs: 100

• model_params: 模型参数，如隐藏层大小、层数和dropout率。
• data_params: 数据路径，如音频文件夹、标签文件夹和保存结果的文件夹。
• training_params: 训练参数，如批量大小、学习率和训练轮数。

通过修改run_config.yaml文件中的参数，可以调整模型的训练和测试行为。

BTC-ISMIR19 "A Bi-Directional Transformer for Musical Chord Recognition" accepted on ISMIR2019 项目地址: https://gitcode.com/gh_mirrors/bt/BTC-ISMIR19