在音乐信息检索领域，音乐风格分类是一个重要的任务，它可以帮助我们更好地理解音乐，并提供更好的音乐推荐和分类服务。本篇博客将介绍如何使用卷积神经网络（CNN）和循环神经网络（CRNN）模型来在GTZAN数据集上进行音乐风格分类任务。同时，我们将提供Python代码来演示整个过程。
数据集介绍
GTZAN数据集是一个常用的音乐风格分类数据集，包含1000个10秒的音频片段，每个片段都被标注为10个不同的音乐风格，例如布鲁斯、古典、流行等。
CNN模型
卷积神经网络是一种广泛应用于计算机视觉和音频领域中的深度学习模型，具有良好的特征提取和分类能力。在音乐风格分类任务中，我们可以使用卷积神经网络来提取音频特征，并将其输入到全连接层进行分类。
我们将使用Python中的Keras框架来实现CNN模型。我们首先导入必要的库和模块：
import os
import librosa
import librosa.display
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
from tensorflow.keras.models import Model
from tensorflow.keras.preprocessing.image import ImageDataGenerator
接下来，我们需要加载GTZAN数据集。我们将使用Librosa库来读取音频文件，并将其拆分为训练集和测试集。我们还需要将标签转换为一个概率分布向量。我们将使用以下代码来实现