Music genre classifier

Автоматическая классификация музыкальных жанров с использованием алгоритмов машинного обучения

Масштабируемое веб-приложение, которое определяет вероятность принадлежности загружаемого музыкального трека к 10 музыкальным жанрам

About

Проект реализует классификацию музыкальных жанров. Приложение принимает аудиофайл и с помощью предобученной DL-модели прогнозирует, к какому жанру он относится.

Ключевые возможности

• Загрузка аудиофайлов через клиентский интерфейс.
• Асинхронная обработка аудио с использованием RabbitMQ.
• Поддержка трансформерной предобученной модели HuggingFace: dima806/music_genres_classification, а также легковесной кастомной CNN (по умолчанию).
• Легкое горизонтальное масштабирование через число воркеров

Результаты

• Достигнут F1-score = 0.82 на тестовой выборке(без утечки данных, свойственной решениям этой задачи)
• Вес модели сокращен с 380 МБ (baseline transformer) до 2 МБ за счет перехода к кастомной PyTorch CNN модели без потери точности
• Настроен базовый пайплайн инференса, обернутый в Docker.

Технологический Стэк

• Язык: Python
• Пакетный менеджер: uv
• Контейнеризация: Docker
• ML / AI: HuggingFace Transformers, PyTorch, Librosa, Scikit-learn, Optuna-dashboard
• Backend: FastApi, Uvicorn, Pydantic, RabbitMQ, Redis
• Frontend: Streamlit
• Код-стайл и CI: Flake8, GitHub Actions

Установка и запуск

Предварительные требования

• Python
• Пакетный менеджер uv
• Docker

1. Клонирование репозитория

git clone https://github.com/yrmint/ml-app-arch.git

2. Установка зависимостей

uv python install 3.11

uv sync --all-groups

3. Запуск через Docker (рекомендованный способ)

docker compose up -d --scale worker=4

Количество воркеров для параллельной обработки запросов можно свободно менять

4. Запуск клиента

python -m frontend.start

Тестирование

Linting:

python -m flake8 .

Tests:

python -m pytest .