【文件属性】：
文件名称：rnn_autoenc:带歌曲数据的RNN自动编码器解码器
文件大小：180KB
文件格式：ZIP
更新时间：2021-05-02 21:08:43
JupyterNotebook
RNN自动编码器
我研究tensorflow和RNN＆RNN autoenc和代码。 我使用的是midi文件中的音乐旋律数据。
内容
基本RNN
RNN自动编码器（LSTM自动编码器）（参考： ）
描述
1.基本的RNN
我在张量流代码中实现了基本的RNN结构。
2. RNN自动编码器
我在张量流代码中实现了RNN自动编码器结构。
它由RNN编码器和RNN解码器组成。
编码器的最终状态用作通用自动编码器的压缩空间。
解码器的输入是学习时的学习数据序列，但是当用于输出时，输出返回到输入。
代码
模型（仍在编辑中）
RNN_AE_model_decoder_dynamic：在张量流中使用动态rnn的模型
RNN_AE_model_decoder_feedback：使用带有for循环的单元格进行建模
火车：火车模型
测试：使用经过训练的模型生成新序列
util：实用程序代码
【文件预览】：
rnn_autoenc-master
----02_Auto_encoder_ver1()
--------utils.py(2KB)
--------test.py(4KB)
--------train.py(4KB)
--------rnn_test.ipynb(1.06MB)
--------RNN_AE_model_decoder_seq2seq(미완).py(10KB)
--------midi()
--------RNN_AE_model_decoder_dynamic.py(7KB)
--------RNN_AE_model_decoder_feedback.py(6KB)
----img()
--------rnn-autoencoder.png(44KB)
----02_Auto_encoder_ver2()
--------RNN_AE_decoder_seq2seq(미완).py(10KB)
--------utils.py(2KB)
--------test.py(4KB)
--------train.py(3KB)
--------rnn_test.ipynb(1.06MB)
--------midi()
--------RNN_AE_model_decoder_feedback_melody.py(11KB)
----.gitignore(129B)
----01_basic_rnn()
--------RNN_model.py(5KB)
--------test.py(4KB)
--------train.py(3KB)
--------rnn_test.ipynb(1.06MB)
----README.md(1KB)