在学校，我们需要听音程和和弦，并确定它们的名称。我对神经网络非常感兴趣。因此，我想用Python创建一个神经网络，它可以听取音频并输出名称。我曾经学到，对于音乐我需要用到LSTM。对于这个目的我是否也需要LSTM，以及我应该如何开始呢？有谁可以教我如何实现我的目标吗？

回答：

首先，你需要明确定义你想要解决的任务：你是想对整首音乐/曲目进行分类，还是想对曲目/曲目的片段进行分类？这将影响你解决任务所需使用的架构。我将简要介绍每种任务的处理方法。

• 对曲目进行分类：音乐录音是时间序列，你需要为每段录音标记标签。你最初想到使用LSTM（或一般意义上的RNN）是一个很好的想法。只要将你的录音转换成向量作为LSTM网络的输入序列，并让它输出每个类别的概率。正如评论中所指出的，在频域工作可能是有益的。然而，仅使用整个曲目的傅里叶变换很可能会丢失重要信息，因为时间频率信息会丢失。更好的方法是使用短时傅里叶变换（STFT）或梅尔频率倒谱系数（MFCC，这里有一个计算它们的Python库：libROSA）。简单来说，这些方法会将你的时间序列转换成某种“图像”，即二维频谱，而对于图像分类任务，卷积神经网络（CNNs）是首选方法。
• 对片段进行分类：如果你想对曲目的片段进行分类，你需要为歌曲中的每个时间框架提供标签。假设你的歌曲时长为3分钟，采样频率为60 Hz，你的歌曲向量表示将有3*60*60 = 10800个时间框架，因此你需要为每个条目提供一个类别标签（和弦或其他）。同样，你可以使用LSTM，将你的向量作为输入序列，让你的网络生成与歌曲长度相同的输出序列，并与类别标签进行比较。你也可以使用前面提到的STFT或MFC系数作为输入，并利用频率信息，现在你将为每个时间框架提供一个频谱作为输入。

我希望这些广泛的想法能帮助你更接近解决你的任务。对于实现细节，我建议你参考keras文档和网络上无数的教程。

免责声明：

我的音乐理论知识相当有限，所以请对我的回答持保留态度，并随时纠正我或要求澄清。祝你玩得开心