神经网络数据稀疏_python

我正在使用PyBrain训练音乐网络。 输入是两个音符，输出是接下来的两个音符。 每个音符由映射到音符的整数表示（EG C＃= 11，F = 7），八度和持续时间。 所以我使用这样的数据集：

ds = SupervisedDataSet(6, 6)

看起来像([note1, octave1, duration1, note2, octave2, duration2], [note1, octave1, duration1, note2, octave2, duration2])

但是，我遇到了和弦问题（即一次演奏多个音符）。 为了解决这个问题，我摆脱了代表音符的第一个整数，将其替换为22个整数（分别设置为1或0），以指示正在播放的音符。 我仍然有八度和持续时间。 因此，例如，以下

[0, 0, 0, 1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 4, 0.5]

表示C＃，E和A的和弦，八度为4，持续时间为0.5。
经过培训和测试后，PyBrain始终为我提供全零的输出。 我知道为什么要这样做，但我不知道如何解决。
有没有更好的方式来表示音符/和弦，以使PyBrain不会遇到此问题？

编辑：我已经将位向量转换为十进制数，并且尽管网络不再只是给出零了，但仍然很清楚它没有正确学习模式。

我正在使用这样的网络：

net = buildNetwork(6, 24, 6, bias=True, hiddenclass=LSTMLayer, recurrent=True)

和这样的教练：

trainer = BackpropTrainer(net, ds, verbose = True)

当我训练时，我遇到了一个巨大的错误，大约是十万甚至十万。

您的问题对我来说不太清楚，我认为它需要更详细的解释，但是根据我的理解，我认为您不需要网络中的递归，还可以尝试在隐藏层中使用其他激活功能，例如Softmax 。 我在一些具有6个节点输入和6个输出的样本数据集上对其进行了测试，并且正在正确地进行训练，因此我建议您使用我的版本：

from pybrain.tools.shortcuts import buildNetwork
from pybrain.datasets import SupervisedDataSet
from pybrain.supervised.trainers import BackpropTrainer
from pybrain.structure.modules import SoftmaxLayer

ds = SupervisedDataSet(6, 6)

#
# fill dataset
#
net = buildNetwork(6, 24, 6, bias=True, hiddenclass=SoftmaxLayer)
trainer = BackpropTrainer(net, ds)

培养：

error = 10
while error > 0.00001:  #choose error like you want
    error = trainer.train()
    print error #just for logging

#and activate
print net.activate([*,*,*,*,*,*])

神经网络数据稀疏

问题描述

1楼