邦邦乐曲难度预测器
运行环境：
- Python 3.6.10
- tensorflow 1.15.0 (GPU)
- Keras 2.3.1
- numpy、matplotlib
train.py：用于K折验证，训练500轮后输出平均损失值来确定最佳训练轮次，如果只是想要预测结果的话可以无视。
train2.py：用于实际训练后输出预测值。
predict_xxx：训练后测试集上的输出结果，使用不同的优化器。
大致训练流程： 从csv文件中的前281首歌曲信息作为测试集，后1000首歌曲信息作为训练集。
以每首歌曲的时间（Time）、得分比率（Score）、效率（Eff）、每分钟节拍数（BPM）、音符数（N）、每秒钟音符数（NPS）、技能依赖度（SR）作为输入，难度（R）作为输出。
在输入前需要对输入数据进行标准化，网络结构为2层64个神经元的Dense全连接层+Relu，最后一层为1个神经元的Dense层。
例如下面是对“ヒトリノ夜”四个难度（EX到EASY难度）的预测结果：
[[24.927454]
[16.998707]
[13.436136]
[ 8.783671]]
实际难度值为[25,17,14,9]
代码改编自Deep learning with Python