Skip to content

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

28 Commits
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

LoFAI

Gerando músicas de LoFi usando Variational Auto Encoders

Modelos

Desenvolvemos 3 tipos de VAE, baseados em diferentes famílias de camadas:
DenseVAE para VAEs convencionais,
Conv1DVAE para VAEs com convolução 1D, e
LSTMVAE para VAEs com camadas LSTM.

Como usar

Treino

Rode o comando python train.py [args] dentro da pasta src.
O primeiro argumento após o nome do arquivo informará o tipo do modelo que será treinado: dense, conv ou lstm. Veja a seção de hiperparâmetros para saber os demais argumentos referentes a cada tipo de modelo.

Sample

Rode o comando python sample.py [args] dentro da pasta src. Os argumentos terão de ser iguais aos argumentos passados ao modelo treinado que desejas fazer uma sample.

Hiperparâmetros

dense

  1. num_layers: Número de camadas tanto no Encoder e Decoder
  2. latent_dim: Tamanho da dimensão latente
  3. input_neurons: Número de neurônios na primeira camada do Encoder/penúltima camada do Decoder
  4. output_nerons: Número de neurônios na última camada do Encoder/primeira camada do Decoder
  5. num_epochs: Número de épocas para treinar o modelo.

conv

  1. num_conv_layers: Número de camadas convolucionais no Encoder e no Decoder
  2. num_dense_layers: Número de camadas densas no Encoder e no Decoder
  3. latent_dim: Tamanho da dimensão latente
  4. input_neurons: Número de neurônios na primeira camada do Encoder/penúltima camada do Decoder
  5. output_nerons: Número de neurônios na última camada do Encoder/primeira camada do Decoder
  6. initial_channels: Número de canais gerados pela primeira camada convolucional do Encoder
  7. factor: Fator multiplicativo para a sequência do número de canais nas camadas convolucionais
  8. num_epochs: Número de épocas para treinar o modelo.

lstm

  1. num_layers: Número de camadas tanto no Encoder e Decoder
  2. latent_dim: Tamanho da dimensão latente
  3. output_nerons: Número de neurônios na última camada do Encoder/primeira camada do Decoder
  4. middle_ground: Número de neurônios na camada intermediária entre a saída do LSTMDecoder e o tamanho original
  5. num_epochs: Número de épocas para treinar o modelo.

About

Final project for our probabilistic machine learning class.

Resources

Stars

Watchers

Forks

Releases

Packages

Used by

Contributors

Languages