首页
Shawn Wang
取消

编配:宫崎骏电影主题曲,手风琴二重奏

这是一年前疫情在家搞的一个大工程。我将宫崎骏导演的所有十部电影的主题曲扒谱成了手风琴二重奏(其中特别喜欢《魔女宅急便》,增加一首)。为了尽量还原原版录音,不知道听了多少遍。 虽然是二重奏,但我在编配的时候始终保证主旋律在一声部上,所以!把谱子中二声部右手扔掉,就可以当独奏! 以下是曲目列表。乐谱已上传至 MuseScore 和 B 站,有实时的声音与乐谱对照。 从天而降的少女,电...

四音列及其应用

四音列(tetrachord)在音乐历史上是一个很古老的概念,早在古希腊就用它来发展乐理;但现在对我们仍然有用,可以帮助我们理解和记忆很多东西,包括分解各种七音音阶、记忆和弦连接的 walking bass 等。本节就讨论四音列及其对乐理理解的帮助。 定义 四音列顾名思义即四个音的序列,可以看做迷你的音阶。音与音之间的间隔一般不超过小三度,所以它前后一般跨四度左右,而不是音阶通常的八度。...

手风琴教程

这是我个人整理的手风琴教程。注意本文不讨论广义的乐理,只讨论手风琴的技术与乐理在手风琴上的实现。关于乐理知识请参考我的其他博文。 本学期我担任北大手风琴协会零基础班的教学任务,本教程也可方便我的学员查阅,在最后附上课程安排。 目录 1. 附录:北大手协零基础班课程安排 1.1. 第一课:入门 1.2. 第二课:基本的音符 1.3. ...

Python 命令行解析参数

本文介绍 Python 程序的命令行参数的定义和使用方法,主要为参数解析库 argparse 、处理配置文件 YAML 的库 PyYAML 的接口。 当运行的代码有多个参数并需要多次运行时,简单的处理方法是将参数放在代码里面的全局变量中,每次运行前修改变量的值。但这样需要大量的手动操作,非常费力且不够优雅;且这些参数本身在逻辑上属于程序的输入,将其与代码主体分离是更加合理的。 argpa...

我的 Songbook 项目(长期更新)

我的 songbook 链接如下: Songbook PDF 版:https://pengxiang-wang.github.io/my-songbook/output/songbook.pdf Songbook HTML 版:https://pengxiang-wang.github.io/my-songbook/output/songbook.html GitHub 项目:...

LaTeX 入门(给高数 D 的同学参考)

LaTeX 我很早就会了,本文目的是我作为助教引导《高等数学D》课程要求用 LaTeX 排版课程论文的同学快速入门 LaTeX。我将尽量以文科生友好的语言、尽量简单地描述 LaTeX 的概念和用法,以够写课程论文用为原则,不讲解写课程论文用不到的东西。 一、LaTeX 是什么 假设现在你要写一篇比较正式的文章,做成一个文件发给老师。其实你通常会分成两步来做: 先打一个草稿,这个草...

使用训练信息的持续学习

有一类持续学习方法的想法是从旧任务的训练过程中获取信息,存放在记忆中,作为新任务防遗忘的参考。本文统一介绍这种思路。这类方法是为了防止遗忘,属于防遗忘机制的另一种分类法。 此类方法的两要素: 有哪些训练信息可以利用? 获得的训练信息如何使用? 下面依次讨论,并给出几篇论文使用的例子。 训练信息 我所谓的训练信息是指随训练过程得到的中间产物,而不是原始的训练数据等信息。这...

快慢网络式持续学习

本文介绍快慢网络式持续学习,即构建一个两部分的网络,慢网络负责粗略特征的学习,快网络负责任务特定的细节特征的学习。它们适用于 TIL、CIL 场景不限。它们都借鉴自神经科学中的互补学习系统(complementary learning systems, CLS)理论。 快慢网络一般要利用人为的规定来区分开,通常是规定训练方式,让二者的训练速度有差别:即让一个学得快,另一个学得慢。 论文信...

代码学习笔记:从论文 HAT 学会写持续学习代码

本文是我看一篇论文代码整理的总结。下面这篇论文(简称 HAT)是持续学习领域的一个经典工作,我曾经以此论文为样板,完整仔细地看过整个项目的代码,从而理解并开始自己实现持续学习的实验的,现将心得整理于此。 这篇总结将详细介绍代码的各个细节,目的是一站式搞懂一个持续学习项目乃至深度学习项目的写法,也提供了一种阅读他人代码的思路,供刚入门该领域的同学参考。我将按照自外到内的顺序,先介绍整个工程的...

论文笔记:Queried Unlabeled Data Improves and Robustifies Class-Incremental Learning

论文信息 Queried Unlabeled Data Improves and Robustifies Class-Incremental Learning 期刊:TMLR 2022 作者:德州大学奥斯汀分校等 本文在类别增量(CIL)场景的简单模型 LwF 基础上做了改进,并使用了三个机制,提升了模型的效果:无标签查询数据(QUD)、辅助分类器平衡训练、对抗样本训练...