设计结构
数据处理
需要对标签数据清洗以及将音频信号转化为频谱信号。本次数据集采用公开音频数据集GTZAN，其中包含了10种不同风格的音乐，每一种音乐都包含100个音频文件，每个音频文件都是30秒。同时需要将音频信号转化为频谱信号，本论文将转化为梅尔频谱，直接使用pytorch的torchaudio中的函数即可快速转化。
-
将音频信号转化为梅尔频谱
梅尔频谱图是将频率转换为梅尔刻度的频谱图。使用梅尔频谱可以起到压缩数据、数据拥有更多的表征能力，同时有论文表明与传统的傅里叶变化相比，转化为梅尔频谱的样本可以提高训练的准确率。
神经网络
本项目选用卷积神经网络AlexNet。一个是对于初学者有较好较多的学习点，另一个是网络比较简单，对于这个小样本集有比较良好的效果。
- AlexNet 的网络结构
- 单样本的训练流程
音乐推荐系统
使用Django实现推荐系统的功能，提供前后端交互页面。
如何使用推荐功能
- 点击爱心，将会对本首歌进行推荐
- 在推荐列表中将展示相似度最高的5首歌曲（具体原理我将在Bilibili描述）
如何使用本项目
- 下载数据集
OSS流量要钱，那我就放在阿里云盘了：「GTZAN」https://www.aliyundrive.com/s/dQG715hETzr
- 训练模型
训练模型的代码为Jupyter Notebook格式，如果大家电脑有GPU那就在自己电脑上训练就可以了，如果没有，推荐大家使用Kaggle。
https://www.kaggle.com/ 每周大概有40多小时白嫖的GPU时长，无需翻墙，自认为比colab好用一些。
根目录下 文件 recommend.ipynb 即为训练代码，训练后生成模型参数文件 best_model_okk.pth
- 构建Django前后端
根目录下 文件 recommend 即为 Django 项目，记得将GTZAN数据集文件放在目录recommend/music/static/GTZAN下
接下来即可使用pycharm启动项目
- 项目部署
