问题标签 [magenta]

我不知道 Magmi DataPump 是如何工作的。我已经使用测试脚本（/magmi/integration/scripts/import/test.php）成功安装了 Magmi：

正如我在代码“默认”、“创建”中设置的那样 - 我使用“创建新项目并更新现有项目”运行默认任务，但在管理面板中没有产品:(

如何调试和运行这些脚本？在官方文档中，我看到了创建它们的说明，但没有看到解决问题的说明:(

我正在关注此处列出的教程：https ://github.com/tensorflow/magenta/tree/master/magenta/models/pianoroll_rnn_nade

我成功地创建了一个NoteSequences，一个SequenceExamples，训练了模型并进行了评估。

当我到达该Generate Pianoroll Tracks部分时，应用程序退出说明：

tensorflow.python.framework.errors_impl.NotFoundError：在检查点中找不到密钥解码器/multi_rnn_cell/cell_2/basic_lstm_cell/kernel

我将该错误（或认为这是正确的结论）追溯到讨论 TF 中的 rnn 重构的线程（https://github.com/tensorflow/tensorflow/issues/8447）​​。他们提到如果您在检查点重命名变量，它将起作用，但在检查我的形状后，我似乎没有任何遗留变量（输出reader.get_variable_to_shape_map()）：

有谁知道我错过了什么？有人成功运行pianoroll_rnn_nade_generate模型吗？

我最近才开始参与这个项目，我对此感到非常兴奋。所以感谢所有的辛勤工作。

我正在使用：运行 High Sierra 2.6 Ghz Intel Core i7 Nvidia GForce Gt 650M 1Gb 16 gb 内存的 2012 Macbook Pro

我的第一个想法是使用自己的样本进行编码+解码。我跟着 Jupyter notebook 的例子写了一个小 Python 脚本来处理一个短的 wav 文件——我们说的是 2 到 3 秒长。编码很容易完成，但我还没有成功解码，因为它花费的时间太长了。我把它放在了一夜之间，差不多 7 个小时后它还在运行。尝试了几个不同的文件，结果相同。

我现在运行的唯一线索是此错误：您的 CPU 支持未编译此 TensorFlow 二进制文件以使用的指令：SSE4.2 AVX

显然，为我的特定架构从源代码编译可能是一种加快速度的方法——但我的感觉是它现在非常慢

难道我的电脑就注定了这种性能？难道我做错了什么？还是我需要为我的机器重新安装 w/优化？

为清楚起见，我的代码如下。谢谢，麻烦您了。

导入操作系统

将 numpy 导入为 np

从 magenta.models.nsynth 导入实用程序

从 magenta.models.nsynth.wavenet 导入 fastgen

fname = 'aggression.wav'

sr = 16000

音频 = utils.load_audio(fname, sample_length=40000, sr=sr)

sample_length = audio.shape[0]

print('{} 个样本，{} 秒'.format(sample_length, sample_length / float(sr)))

编码 = fastgen.encode（音频，os.path.abspath（'model.ckpt-200000'），sample_length）

打印（编码。形状）

np.save(fname + '.npy', 编码)

fastgen.synthesize（编码，save_paths=['gen_' + fname]，samples_per_save=sample_length）

sr = 16000

合成 = utils.load_audio('gen_' + fname, sample_length=sample_length, sr=sr)

print('洋红色测试')

我目前正在玩Sketch-RNN-JS。但是，我没有使用 Quick Draw 中的预训练模型（如项目自述文件中所述），而是尝试使用magenta 的 Sketch-RNN训练我自己的模型。这个sketch_rnn_train训练过程.data-00000-of-00001的.index结果（.metamodel_config.json

我缺少的是将此模型转换为 Sketch-RNN-JS 可以使用的格式的步骤（显然是这样的文件JSON）。有谁知道如何实现这一目标？

我正在尝试加载 NSynth 权重，我正在使用 tf 版本 1.7.0

我收到以下错误：

tensorflow/stream_executor/cuda/cuda_dnn.cc:396] 已加载运行时 CuDNN 库：7103（兼容版本 7100）但源代码是使用 7005（兼容版本 7000）编译的。如果使用二进制安装，请升级您的 CuDNN 库以匹配。如果从源代码构建，请确保在运行时加载的库与编译配置期间指定的兼容版本相匹配。

我应该做什么，我应该安装哪个版本的 tf，以及我需要哪个 CUDA 版本？

所以我从洋红色运行这段代码并进行了一些修改：

其中self.cell是具有两层的 MultiRNN 单元，是m_seq具有形状 [1,38] 的一个热长度向量，并且是具有形状 [128,512]（批量大小和层大小）state的两个元组。LSTMStateTuplech

当我运行它时，我得到：

InvalidArgumentError（参见上文的回溯）：ConcatOp：输入的尺寸应匹配：shape[0] = [1,38] vs. shape[1] = [128,512]

现在我明白这意味着输入m_seq和状态之间的不匹配。但是，两个维度都必须匹配（1 和 128、38 和 512）吗？我真的不明白为什么会这样。为什么它们必须完全匹配，因为这是一个动态 rnn。

这是在语境中的Google Magenta package，特别是旋律RNN model。

我尝试使用自己的数据集训练 basic_rnn，它运行良好，生成了一个可用的检查点。但是，当我尝试改用 attention_rnn 时，通过将“attn_length=40”添加到 hparams，我得到错误“训练期间的 NaN 损失。”。我尝试将 attn_length 更改为其他值，例如 10 或 20，但仍然出现此错误。另外，我确保使用“attention_rnn”参数创建数据集，所以这应该不是问题。

有人有类似的问题吗？

以下是我使用的命令：

非常感谢你们所做的一切努力，让洋红色更接近像我这样的艺术家。

我目前正在尝试使用 tensorflow.js 和我自己训练的 midi 组合来移植 performance_rnn 浏览器模型（ https://magenta.tensorflow.org/performance-rnn-browser ）。

我经历了整个 python 转换过程（midi -> 训练数据 -> squences ->）并使用了一个（希望有效的）performance_with_dynamics.mag 文件，其中包括我的组合数据。

不幸的是，我不知道如何将此数据集与 tensorflow.js 库一起使用。你能给我一个提示，我在哪个地方用当前训练的模型替换了我的 *.mag 文件？还是我在这里错过了一些更深层次的理解？

编辑：

我有一个小更新：

通过运行命令行脚本：

" /Users/username/checkpoint_converter.py /Users/username/checkpoints/model.cpkt /Users/username/output \"

至少脚本有点执行。但不幸的是，它不接受带有以下错误消息的我的 model.cpkt 文件：

“ tensorflow.python.framework.errors_impl.NotFoundError：不成功的 TensorSliceReader 构造函数：未能找到 /Users/chris/Desktop/AI/checkpoints/model.cpkt 的任何匹配文件”

我不知道我的 performance_rnn 模型是否损坏。由于我有三个不同的 cpkt 文件（索引、元数据和数据），我不知道哪个是正确的 cpkt 文件进行翻译。但是根本没有文档可以找到应该使用哪个培训文件。

也许有人有答案？会帮助我数小时的反复试验......

所有最好的基督徒

这是我从终端的输出。只是试图运行一个基本的例子......

不知道如何进行...提前致谢。让我知道是否需要更多信息

我有一个序列化 TensorFlow 示例协议缓冲区的 TFRecord 文件数据集，每个注释一个示例原型，从https://magenta.tensorflow.org/datasets/nsynth下载。我正在使用大约 1 Gb 的测试集，以防有人想下载它来检查下面的代码。每个示例都包含许多特征：音高、乐器...

读取此数据的代码是：

现在，音高范围从 21 到 108。但我只想考虑给定音高的数据，例如音高 = 51。如何从整个数据集中提取这个“音高 = 51”子集？或者，我该怎么做才能让我的迭代器只通过这个子集？