Skończono pisanie pracy

This commit is contained in:
Cezary Pukownik 2020-06-17 17:14:40 +02:00
parent b9cb6d46b6
commit fbaa07380e
6 changed files with 63 additions and 37 deletions

View File

@ -118,11 +118,11 @@
\newlabel{fig:losses}{{3.3}{55}}
\@writefile{toc}{\contentsline {subsection}{\numberline {3.5.6\relax .\leavevmode@ifvmode \kern .5em }Wyniki}{56}\protected@file@percent }
\newlabel{fig:score1}{{3.4}{57}}
\newlabel{fig:score10}{{3.5}{57}}
\newlabel{fig:score10}{{3.5}{58}}
\newlabel{fig:score25}{{3.6}{58}}
\newlabel{fig:score50}{{3.7}{58}}
\newlabel{fig:score50}{{3.7}{59}}
\newlabel{fig:score75}{{3.8}{59}}
\newlabel{fig:score100}{{3.9}{59}}
\newlabel{fig:score100}{{3.9}{60}}
\newlabel{fig:score150}{{3.10}{60}}
\@writefile{toc}{\contentsline {chapter}{Podsumowanie}{61}\protected@file@percent }
\@writefile{lof}{\addvspace {10\p@ }}

View File

@ -1,10 +1,10 @@
# Fdb version 3
["makeindex document.idx"] 1592392720 "document.idx" "document.ind" "document" 1592392736
"document.idx" 1592392724 0 d41d8cd98f00b204e9800998ecf8427e ""
["makeindex document.idx"] 1592398843 "document.idx" "document.ind" "document" 1592406827
"document.idx" 1592406795 0 d41d8cd98f00b204e9800998ecf8427e ""
(generated)
"document.ind"
"document.ilg"
["pdflatex"] 1592392729 "j:/_MAGISTERKA/praca-magisterska/docs/document.tex" "j:/_MAGISTERKA/praca-magisterska/docs/document.pdf" "document" 1592392736
"document.ind"
["pdflatex"] 1592406794 "j:/_MAGISTERKA/praca-magisterska/docs/document.tex" "j:/_MAGISTERKA/praca-magisterska/docs/document.pdf" "document" 1592406827
"c:/software/latex/texmf-dist/fonts/enc/dvips/pl/plit.enc" 1550343089 1946 62ba825cda1ff16dbaa60d53ac60525a ""
"c:/software/latex/texmf-dist/fonts/enc/dvips/pl/plme.enc" 1550343089 3126 59f33ff3e396436ebc36f4e7b444d5c4 ""
"c:/software/latex/texmf-dist/fonts/enc/dvips/pl/plmi.enc" 1550343089 2005 f094775651a1386335c158fb632529f1 ""
@ -196,10 +196,10 @@
"c:/software/latex/texmf-var/web2c/pdftex/pdflatex.fmt" 1550344823 4224189 05b80a2fc98956d1ad757099b6714631 ""
"c:/software/latex/texmf.cnf" 1550344763 715 839ef4b14d931ce86420174d3a223d3e ""
"chapter-style.sty" 1560952449 376 87871882de090607c810d89fd5ae18d9 ""
"document.aux" 1592392736 12335 6e2c450c56afd4cb2fd3f96e27614aaf ""
"document.ind" 1592392721 0 d41d8cd98f00b204e9800998ecf8427e "makeindex document.idx"
"document.tex" 1592392719 90999 bb6a435aeb16cfbea570479f24e99469 ""
"document.toc" 1592392736 5379 65d70d6a3f93873b4bbd09ce27d5b016 ""
"document.aux" 1592406799 12335 b6d638ea8c5e6b15d1a45e7f744026a3 ""
"document.ind" 1592398843 0 d41d8cd98f00b204e9800998ecf8427e "makeindex document.idx"
"document.tex" 1592406826 94803 6727986e6e907d21f8189861063f2efb ""
"document.toc" 1592406799 5379 65d70d6a3f93873b4bbd09ce27d5b016 ""
"images/autoencoder.png" 1590441548 23857 e7e97c4ad164834bf8d9e2a1bef11905 ""
"images/gradient_descent_1_long.png" 1590441549 10075 3f2887989844779ae2c10639cdfbca6e ""
"images/gradient_descent_2_long.png" 1590441549 8705 4b42e8becdda3fb5896ce89581451166 ""
@ -228,14 +228,14 @@
"images/training_losses.png" 1592382149 57293 6eb12c89458f62456bc8b0860f6df331 ""
"images/wartosc_nut.jpg" 1590441554 48213 d311c2cedb2ed53dcf5eff20f70eda80 ""
"images/waveform_axis.png" 1592213328 15586 415de2db6755bd1d0d64273aaa86d16d ""
"j:/_MAGISTERKA/praca-magisterska/docs/document.aux" 1592392736 12335 6e2c450c56afd4cb2fd3f96e27614aaf ""
"j:/_MAGISTERKA/praca-magisterska/docs/document.tex" 1592392719 90999 bb6a435aeb16cfbea570479f24e99469 ""
"j:/_MAGISTERKA/praca-magisterska/docs/document.aux" 1592406799 12335 b6d638ea8c5e6b15d1a45e7f744026a3 ""
"j:/_MAGISTERKA/praca-magisterska/docs/document.tex" 1592406826 94803 6727986e6e907d21f8189861063f2efb ""
"pythonhighlight.sty" 1590660734 4822 44a39a68d852c9742af161f7166b2a03 ""
(generated)
"document.log"
"j:/_MAGISTERKA/praca-magisterska/docs/document.log"
"document.idx"
"document.toc"
"document.aux"
"j:/_MAGISTERKA/praca-magisterska/docs/document.pdf"
"document.log"
"document.pdf"
"document.idx"
"j:/_MAGISTERKA/praca-magisterska/docs/document.log"
"j:/_MAGISTERKA/praca-magisterska/docs/document.pdf"
"document.toc"

View File

@ -1,4 +1,4 @@
This is pdfTeX, Version 3.14159265-2.6-1.40.19 (TeX Live 2018/W32TeX) (preloaded format=pdflatex 2019.2.16) 17 JUN 2020 13:18
This is pdfTeX, Version 3.14159265-2.6-1.40.19 (TeX Live 2018/W32TeX) (preloaded format=pdflatex 2019.2.16) 17 JUN 2020 17:13
entering extended mode
restricted \write18 enabled.
file:line:error style messages enabled.
@ -752,42 +752,55 @@ Overfull \hbox (1.56473pt too wide) in paragraph at lines 1509--1511
[][][][][][][][]\OT4/cmr/m/n/12 , któ-re wspie-ra-j¡ for-mat se-kwen-cji sªów mu-zycz-nych omó-
[]
Overfull \hbox (0.20659pt too wide) in paragraph at lines 1534--1535
\OT4/cmr/m/n/12 oraz opo-wiem ja-kie ulep-sze-nia po-ja-wia-ªy si¦ wraz z po-st¦-pem tre-nin-gu. Wszyst-
[]
<images/score_1.png, id=237, 585.68813pt x 241.65282pt>
File: images/score_1.png Graphic file (type png)
<use images/score_1.png>
Package pdftex.def Info: images/score_1.png used on input line 1539.
Package pdftex.def Info: images/score_1.png used on input line 1540.
(pdftex.def) Requested size: 398.33858pt x 164.35861pt.
<images/score_10.png, id=238, 575.90157pt x 290.58563pt>
[56]
<images/score_10.png, id=241, 575.90157pt x 290.58563pt>
File: images/score_10.png Graphic file (type png)
<use images/score_10.png>
Package pdftex.def Info: images/score_10.png used on input line 1546.
Package pdftex.def Info: images/score_10.png used on input line 1549.
(pdftex.def) Requested size: 398.33858pt x 200.99646pt.
<images/score_25.png, id=239, 578.91281pt x 307.1475pt>
<images/score_25.png, id=242, 578.91281pt x 307.1475pt>
File: images/score_25.png Graphic file (type png)
<use images/score_25.png>
Package pdftex.def Info: images/score_25.png used on input line 1553.
Package pdftex.def Info: images/score_25.png used on input line 1558.
(pdftex.def) Requested size: 398.33858pt x 211.34148pt.
<images/score_50.png, id=240, 578.16pt x 307.90031pt>
<images/score_50.png, id=243, 578.16pt x 307.90031pt>
File: images/score_50.png Graphic file (type png)
<use images/score_50.png>
Package pdftex.def Info: images/score_50.png used on input line 1560.
Package pdftex.def Info: images/score_50.png used on input line 1567.
(pdftex.def) Requested size: 398.33858pt x 212.13666pt.
<images/score_75.png, id=241, 588.69937pt x 310.15875pt>
<images/score_75.png, id=244, 588.69937pt x 310.15875pt>
File: images/score_75.png Graphic file (type png)
<use images/score_75.png>
Package pdftex.def Info: images/score_75.png used on input line 1567.
Package pdftex.def Info: images/score_75.png used on input line 1576.
(pdftex.def) Requested size: 398.33858pt x 209.86871pt.
<images/score_100.png, id=242, 574.39594pt x 314.67563pt>
Underfull \vbox (badness 1337) has occurred while \output is active []
[57 <j:/_MAGISTERKA/praca-magisterska/docs/images/score_1.png (PNG copy)>]
Underfull \vbox (badness 3849) has occurred while \output is active []
[58 <j:/_MAGISTERKA/praca-magisterska/docs/images/score_10.png (PNG copy)> <j:/_MAGISTERKA/praca-magisterska/docs/images/score_25.png (PNG copy)>]
<images/score_100.png, id=251, 574.39594pt x 314.67563pt>
File: images/score_100.png Graphic file (type png)
<use images/score_100.png>
Package pdftex.def Info: images/score_100.png used on input line 1574.
Package pdftex.def Info: images/score_100.png used on input line 1585.
(pdftex.def) Requested size: 398.33858pt x 218.23076pt.
<images/score_150.png, id=243, 580.41844pt x 300.3722pt>
<images/score_150.png, id=252, 580.41844pt x 300.3722pt>
File: images/score_150.png Graphic file (type png)
<use images/score_150.png>
Package pdftex.def Info: images/score_150.png used on input line 1581.
Package pdftex.def Info: images/score_150.png used on input line 1592.
(pdftex.def) Requested size: 398.33858pt x 206.14786pt.
[56] [57 <j:/_MAGISTERKA/praca-magisterska/docs/images/score_1.png (PNG copy)> <j:/_MAGISTERKA/praca-magisterska/docs/images/score_10.png (PNG copy)>] [58 <j:/_MAGISTERKA/praca-magisterska/docs/images/score_25.png (PNG copy)> <j:/_MAGISTERKA/praca-magisterska/docs/images/score_50.png (PNG copy)>] [59 <j:/_MAGISTERKA/praca-magisterska/docs/images/score_75.png (PNG copy)> <j:/_MAGISTERKA/praca-magisterska/docs/images/score_100.png (PNG copy)>] [60 <j:/_MAGISTERKA/praca-magisterska/docs/images/score_150.png (PNG copy)>] [61
[59 <j:/_MAGISTERKA/praca-magisterska/docs/images/score_50.png (PNG copy)> <j:/_MAGISTERKA/praca-magisterska/docs/images/score_75.png (PNG copy)>] [60 <j:/_MAGISTERKA/praca-magisterska/docs/images/score_100.png (PNG copy)> <j:/_MAGISTERKA/praca-magisterska/docs/images/score_150.png (PNG copy)>] [61
] [62
@ -801,7 +814,7 @@ Here is how much of TeX's memory you used:
1141 hyphenation exceptions out of 8191
55i,12n,50p,1576b,1971s stack positions out of 5000i,500n,10000p,200000b,80000s
{c:/software/latex/texmf-dist/fonts/enc/dvips/pl/plit.enc}{c:/software/latex/texmf-dist/fonts/enc/dvips/pl/pltt.enc}{c:/software/latex/texmf-dist/fonts/enc/dvips/pl/plrm.enc}{c:/software/latex/texmf-dist/fonts/enc/dvips/pl/plms.enc}{c:/software/latex/texmf-dist/fonts/enc/dvips/pl/plmi.enc}{c:/software/latex/texmf-dist/fonts/enc/dvips/pl/plme.enc}{c:/software/latex/texmf-dist/fonts/enc/dvips/pl/plsc.enc}<c:/software/latex/texmf-dist/fonts/type1/public/amsfonts/cm/cmex10.pfb><c:/software/latex/texmf-dist/fonts/type1/public/amsfonts/symbols/msbm10.pfb><c:/software/latex/texmf-dist/fonts/type1/public/pl/plbsy10.pfb><c:/software/latex/texmf-dist/fonts/type1/public/pl/plbx10.pfb><c:/software/latex/texmf-dist/fonts/type1/public/pl/plbx12.pfb><c:/software/latex/texmf-dist/fonts/type1/public/pl/plbx8.pfb><c:/software/latex/texmf-dist/fonts/type1/public/pl/plcsc10.pfb><c:/software/latex/texmf-dist/fonts/type1/public/pl/plex10.pfb><c:/software/latex/texmf-dist/fonts/type1/public/pl/plmi12.pfb><c:/software/latex/texmf-dist/fonts/type1/public/pl/plmi6.pfb><c:/software/latex/texmf-dist/fonts/type1/public/pl/plmi8.pfb><c:/software/latex/texmf-dist/fonts/type1/public/pl/plmib10.pfb><c:/software/latex/texmf-dist/fonts/type1/public/pl/plr10.pfb><c:/software/latex/texmf-dist/fonts/type1/public/pl/plr12.pfb><c:/software/latex/texmf-dist/fonts/type1/public/pl/plr7.pfb><c:/software/latex/texmf-dist/fonts/type1/public/pl/plr8.pfb><c:/software/latex/texmf-dist/fonts/type1/public/pl/plsltt10.pfb><c:/software/latex/texmf-dist/fonts/type1/public/pl/plsy10.pfb><c:/software/latex/texmf-dist/fonts/type1/public/pl/plsy8.pfb><c:/software/latex/texmf-dist/fonts/type1/public/pl/plti10.pfb><c:/software/latex/texmf-dist/fonts/type1/public/pl/plti12.pfb><c:/software/latex/texmf-dist/fonts/type1/public/pl/pltt10.pfb><c:/software/latex/texmf-dist/fonts/type1/public/pl/pltt12.pfb>
Output written on j:/_MAGISTERKA/praca-magisterska/docs/document.pdf (63 pages, 1020710 bytes).
Output written on j:/_MAGISTERKA/praca-magisterska/docs/document.pdf (63 pages, 1024286 bytes).
PDF statistics:
352 PDF objects out of 1000 (max. 8388607)
221 compressed objects within 3 object streams

Binary file not shown.

Binary file not shown.

View File

@ -1531,8 +1531,9 @@ W ten sposób pomyślnie zostały wygenerowane fragmenty muzyczne przy pomocy g
\subsection{Wyniki}
Przedstawię wybrane fragmenty wygenerowanych utworów w zapisie nutowym dla kolejnych etapów uczenia. Krótko scharakteryzuję każdy fragment oraz opowiem jakie ulepszenia pojawiały się wraz z postępem treningu. Wszystkie przedstawione poniżej utwory zostały wygenerowane przy pomocy metody \pyth{from_seq}.
Przedstawię wybrane fragmenty wygenerowanych utworów w zapisie nutowym dla kolejnych etapów uczenia. Krótko scharakteryzuję każdy fragment oraz opowiem jakie ulepszenia pojawiały się wraz z postępem treningu.
Utwór przedstawiony na rysunku~\ref{fig:score1} został wygenerowany po pierwszej epoce. Model wygenerował tylko pauzy dla ścieżki gitary, dlatego nie został on umieszony na rysunku. Wszystkie partie są bardzo powtarzalne za wyjątkiem kilku wariacji, jakby w losowych miejsach. Melodia zaczęła od dzwięku C a w trzecim takcie przeszła na dzwięk D. Linia basu jednostajnie gra dzwięk C.
\begin{figure}[!htb]
\centering
@ -1541,6 +1542,8 @@ Przedstawię wybrane fragmenty wygenerowanych utworów w zapisie nutowym dla kol
\label{fig:score1}
\end{figure}
Po dziesięciu epokach treningu melodia dalaj wygląda na bardzo powtarzalną, jednak teraz jest bardziej spójna. Na przedstawionej na rysunku~\ref{fig:score10} partyturze widać, że model wygenerował partię gitary. Jednostajnie, co ćwierćnutę gra akord C-G-C (tzw. Power Chord) popularnie stosowany w muzyce rockowej. Perkusja wybija tylko jedną perkusjonalię, hi-hat. Melodia gra dziwięk C ale oktawę wyżej niż poprzednio, podobnie jak bas, tylko bas gra oktawę niżej niż poprzednio. Cały utwór oparty jest na dzwięku C, co pomimo ponnotonnej i mało ciekawej aranżacji jest muzycznie poprawnie i nie powoduje fałszu ani dysonansu w odbiorze.
\begin{figure}[!htb]
\centering
\includegraphics[width=\linewidth]{images/score_10.png}
@ -1548,6 +1551,8 @@ Przedstawię wybrane fragmenty wygenerowanych utworów w zapisie nutowym dla kol
\label{fig:score10}
\end{figure}
Piętnaście epok później, na rysunku~\ref{fig:score25} model generujący gitarę nie nauczył się niczego więcej. Perkusja zaczęła generować partię przypominającą prawdziwą perkusję składająca sie z wygrywanych naprzemiennie stopy i werbla. Melodia zaczęła tworzyć ciekawsze partie, wykorzystując nuty różnej długości i wysokości. Bas, który podąża za gitarą również spełnia swoją muzyczną funkcję. Cały utwór jest muzycznie poprawny.
\begin{figure}[!htb]
\centering
\includegraphics[width=\linewidth]{images/score_25.png}
@ -1555,6 +1560,8 @@ Przedstawię wybrane fragmenty wygenerowanych utworów w zapisie nutowym dla kol
\label{fig:score25}
\end{figure}
Na rysunku~\ref{fig:score50} przedstawiono utwór po pięćdziesięciu epokach. W tym momencie partia gitary zaczyna wykorzystywać dwa akordy. Daje to prostą progresję akordów a to mocno urozmaica utwór. Perkusja stała się bardziej jednolita a melodia ciekawsza. Bas w dalszym ciągu monotonnie wygrywa dzwięk C, nawet w momentach gdzie gitara gra akord B$\flat$. Lepsze w tej sytuacji było by zagranie B$\flat$ również na basie.
\begin{figure}[!htb]
\centering
\includegraphics[width=\linewidth]{images/score_50.png}
@ -1562,6 +1569,8 @@ Przedstawię wybrane fragmenty wygenerowanych utworów w zapisie nutowym dla kol
\label{fig:score50}
\end{figure}
Po siedemdziesięciu pięciu epokoach uczenia, generowany utwory zaczęły być o wiele ciekawsze, ale też bardziej chaotyczne. Partia gitary stała się melodyczna. W partii perkusji widzimy talerze a bas zaczął podążac za gitarą. Pokazano opisaną sytuację na rysunku~\ref{fig:score75}.
\begin{figure}[!htb]
\centering
\includegraphics[width=\linewidth]{images/score_75.png}
@ -1569,6 +1578,8 @@ Przedstawię wybrane fragmenty wygenerowanych utworów w zapisie nutowym dla kol
\label{fig:score75}
\end{figure}
Na rysunku~\ref{fig:score100} i rysunku~\ref{fig:score150} przedstawiono odpowiednio wygenerowane utwory po stu i stu pięćdziesięciu epokach uczenia. Po setnej epoce możemy zobaczyć że po drugim takcie nastąpiła zmiana, gitara przeszła z melodii na akordy, natomiast najciekawsza rzecz wydarzyła się po epoce sto pięćdziesiątej. Gitara po drugim takcie zmianiła melodię na akordy i sworzyła ich progresję. Model perkucji wychwycił tą zmianę i takcie drugim zmienił sposób grania tak, aby zaakcentować przejście na akordy w trzecim takcie. Melodia po przejćiu zamilkła, a bas podąża dzwiękami za melodią.
\begin{figure}[!htb]
\centering
\includegraphics[width=\linewidth]{images/score_100.png}
@ -1583,11 +1594,13 @@ Przedstawię wybrane fragmenty wygenerowanych utworów w zapisie nutowym dla kol
\label{fig:score150}
\end{figure}
\chapter*{Podsumowanie}
Ostateczne wnioski, czy muzyka generowana komputerowa da się lubić? Czy to pozytywnie wpłynie na przemysł muzyczny? Tak i nie. Może służyć jako inspiracja dla muzyków, proces wspierający. Z drugiej strony może obniży koszty produkowania muzyki pop, która i tak jest już bardzo powtarzalna. Czy sieci neuronowe nauczą się produkować Hity?
Celem pracy było zaprezentowanie modelu, który byłby wstanie generować którkie multiinstrumentalne utwory muzyczne. Sądzę że cel pracy został osiegnięty. Model potrafi uczyć sie z plików MIDI oraz reprodukować muzykę podobną do tej, z której się uczył. Ocenienie jakości generowanej muzyki jest trudne i subiektywne, ale sądzę że przy odpowiednio dobranym zbiorze uczącym i konfiguracji można wygenerować ciekawe rezultaty.
Pomimo, że zaprezentowany prze zemnie model posiada potencjał nie sądzę aby mogł on zastąpić ludzi w produkcji muzyki. Natomiast uważam, że mógłby zainspirować muzyków krótkim utworem, który następnie mogłby zostać rozbudowany przez nich do pełnego utworu.
Temat produkcji muzyki przez sztuczną inteligencję jest temat ciekawym jak również mocno złożonym i skomplikowanym. Istenieje wiele kwesji, które nie zostały poruszone w pracy jak generowanie tekstu piosenki, dobranie brzmienia intrumentów czy struktury utworu a z którymi muzycy potrafią sobie świetnie dać radę. Dlatego jest jeszcze miesce na rozwój tej dziedziny sztucznej inteligencji w przyszłości.
\begin{thebibliography}{99}