TL;DR 2026 先完成 PyTorch tensor、autograd 與 module 基礎，再把 ABC 樂譜切成字元序列，訓練 LSTM 逐字生成音樂。
系列:
MIT 6.S191 導讀
(11 / 13)
MIT 6.S191 官方 2026 repo 的 Lab 1 是 Lab 1：用 PyTorch 與 LSTM 生成音樂。先完成 PyTorch tensor、autograd 與 module 基礎，再把 ABC 樂譜切成字元序列，訓練 LSTM 逐字生成音樂。本文固定使用 2026 branch，避免 master 後續更新造成內容漂移。
開始前
官方 2026 README指定 Google Colab、Python 3 與 GPU runtime。先複製 notebook 到自己的 Drive，再從頭執行；API key 放在 notebook 的秘密管理介面，不要寫進可分享的 cell 或提交到 Git。
建議完成順序
- 先跑 Part 1 的 TODO，確認 tensor shape 與 gradient
- 在 Part 2 建 vocabulary、batch 與 sequence model
- 保存 loss 曲線與一段生成的 ABC／音訊作為成果
每次只解一個 TODO。先寫下預期輸入／輸出 shape，再執行 cell；出錯時保存錯誤訊息與修正理由。公開 solution 適合最後核對，不適合一開始照抄。
預期輸出是一條隨訓練整體下降的 loss 曲線，以及一段可解析的 ABC 樂譜或轉出的音訊。常見失敗包括序列 batch 的 input／target 位移錯一格，以及生成時 tensor device 不一致。
完成標準
至少留下 notebook 副本、一次可重現的完整執行，以及一段短結論：模型做對了什麼、失敗在哪裡、下一次要改哪個變因。服務儀表板截圖不能取代模型輸出與實驗記錄。
限制
官方 notebook使用 Google Colab GPU，也會要求 Comet API key；校外讀者可以學完核心 TODO，但競賽與 MIT 回饋不可預期。
參考資料
Glossary
Loading...