Music Generation - Google Magenta Best Demo NIPS 2016 LSTM RNN - Deep Learning: Zero to One

8:29
 
Jaa
 

Manage episode 230562701 series 1397651
Tekijältä Sam Putnam. Player FM:n ja yhteisömme löytämä — tekijänoikeuksien omistajana on kustantaja eikä Player FM ja ääntä lähetetään suoraan heidän palvelimiltaan. Napsauta Tilaa -painiketta, kun haluat seurata Player FM:n päivityksiä tai liittää syötteen URL-osoitteen muihin podcast-sovelluksiin.
itunes pic
I talk through generating 10 melodies, two of which I play at the conclusion using a model trained on thousands of midi examples contained in a .mag Magenta file bundle. I used the Biaxial RNN (https://github.com/hexahedria/biaxial-rnn-music-composition) by a student named Daniel Johnson and the Basic RNN (https://github.com/tensorflow/magenta/tree/master/magenta/models/melody_rnn#basic) by Google's Magenta group within TensorFlow and learned that priming a melody with a single note can set the key for each generated melody, and, Anaconda's single 'source activate' line replaces the need for virtualenv and installs all of the necessary dependencies to make this environment easily reproducible. 2 - 3 more details are posted at: https://medium.com/@SamPutnam/deep-learning-zero-to-one-music-generation-46c9a7d82c02

6 jaksoa