我最近承担了一个项目来测试机器学习算法的效率。然而，我很难找到一个平台来实现我的想法。这是我正在尝试做的事情。
我正在尝试创建一个可以识别作曲家古典音乐作品的神经网络。我将使用一组古典剪辑来训练它，每个剪辑时长 5 秒，由 5 位不同的作曲家完成。总共将有 25 首这样的歌曲。该算法无需任何集成到应用程序中，必须能够识别歌曲。我对此算法有一组特定的要求。
1：它必须可用于 MacOS Mojave 或 High Sierra，作为 Python 编程语言中的应用程序或库。
2：它必须有一些关于如何在其中创建神经网络的在线文档。
3：它必须能够处理听觉刺激。（例如，Xcode 10.1 无法使用 MLClassifier 处理听觉刺激。）
4：用户必须能够轻松更改算法中的隐藏层数。
如果所有这些要求都得到满足，并且如果我能够通过通信解决其他问题，我的问题就会得到解决。我期待与 Stack Overflow 社区的成员合作以找到解决方案。感谢您提供的任何帮助。
此致， 苏伦·格里高利安
问题：
The algorithm, without any integration into an application, has to be able to identify the songs.
要求：
1: It must be available for MacOS Mojave or High Sierra as an application or library in the Python programming language.
2: It must have some sort of documentation online as to how to create a neural network in it.
3: It must be able to handle auditory stimuli. (For example, Xcode 10.1 cannot handle auditory stimuli using an MLClassifier.)
4: The user must be able to alter the number of hidden layers in the algorithm easily.
这很麻烦。1) 与问题陈述相矛盾 - 它陈述了 MacOS 或 Python 集成要求。2) 声明集成要求（在线文档。） 4) 妥协效率要求（用户可以重塑模型，直到它无用或太重而无法对可用资源进行操作。）为什么你有义务在 5 秒的片段中准备数据? 需求混乱的数据科学项目弊大于利。
撇开这一切不谈，我猜你的项目听起来像是 tensorflow 的一个很好的候选者。如果您想与 d3 或现代 webapp 无缝集成，您可以在任何允许您坚持 tf 图和权重（例如 keras）的环境中进行训练，然后使用转换器为 tensorflow.js 坚持您的模型。
如果您之前没有实现过音频分类器，tf 在他们的文档中有一个很好的入门项目：https ://www.tensorflow.org/tutorials/sequences/audio_recognition