1.一种电子装置，其特征在于，所述电子装置包括存储器、及与所述存储器连接的处理器，所述处理器用于执行所述存储器上存储的基于深度学习的乐曲演奏风格识别程序，所述基于深度学习的乐曲演奏风格识别程序被所述处理器执行时实现如下步骤：
获取待演奏的乐曲对应的乐谱；
根据预先训练完成的音乐力度标注模型对获取的乐谱进行音乐力度标注，以标注出所述乐谱中的音乐力度；
根据标注的音乐力度，确定该乐曲的演奏风格。
2.如权利要求1所述的电子装置，其特征在于，所述预先确定的音乐力度标注模型包括模型训练过程及模型测试过程，所述模型训练过程包括如下步骤：
E、从预先确定的数据源中获取预设数量的标注了音乐力度的乐谱，构成预设数量的样本；
F、将所述样本分为第一比例的训练子集和第二比例的测试子集；
G、利用所述训练子集中的样本训练所述音乐力度标注模型，以得到训练好的音乐力度标注模型；
H、利用所述测试子集中的样本对所述训练好的音乐力度标注模型进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加所述测试子集中的样本数量并重新执行上述步骤E、F、G、H。
3.如权利要求2所述的电子装置，其特征在于，所述模型测试过程包括如下步骤：
利用训练好的音乐力度标注模型分别对所述测试子集中的样本进行音乐力度标注，以得到标注了音乐力度的样本；
分别将各个标注了音乐力度的样本与预存的各个样本的标准音乐力度进行比较；
若标注了音乐力度的样本与预存的各个样本的标准音乐力度相比，误差率大于预设的误差阈值的标注了音乐力度的样本数大于预设的样本数阈值，则确定针对该音乐力度标注模型的测试不通过；
或者，若分析得到的误差率小于或等于预设的误差阈值的标注了音乐力度的样本数小于预设的样本数阈值，则确定针对该音乐力度标注模型的测试通过。
4.如权利要求1所述的电子装置，其特征在于，所述预先确定的音乐力度标注模型为预先训练完成的双向循环神经网络模型；所述双向循环神经网络模型包括双向循环神经网络的神经元节点以及全链接层；
所述双向循环神经网络的神经元节点包括四层，分别为输入层，前向层、反馈层、以及输出层；所述前向层和所述反馈层共同构成隐含层，所述隐含层包括两个输出通道，其中，一个输出通道与所述输出层连接，另一个输出通道与所述隐含层的输入通道连接；所述输出层与所述全链接层连接，输出带有音乐力度标注的乐谱。
5.如权利要求4所述的电子装置，其特征在于，所述双向循环神经网络模型为Lest长短记忆双向循环神经网络模型。
6.一种基于深度学习的乐曲演奏风格识别方法，其特征在于，所述方法包括如下步骤：
获取待演奏的乐曲对应的乐谱；
根据预先训练完成的音乐力度标注模型对获取的乐谱进行音乐力度标注，以标注出所述乐谱中的音乐力度；
根据标注的音乐力度，确定该乐曲的演奏风格。
7.如权利要求6所述的基于深度学习的乐曲演奏风格识别方法，其特征在于，所述预先确定的音乐力度标注模型包括模型训练过程及模型测试过程，所述模型训练过程包括如下步骤：
E、从预先确定的数据源中获取预设数量的标注了音乐力度的乐谱，构成预设数量的样本；
F、将所述样本分为第一比例的训练子集和第二比例的测试子集；
G、利用所述训练子集中的样本训练所述音乐力度标注模型，以得到训练好的音乐力度标注模型；
H、利用所述测试子集中的样本对所述训练好的音乐力度标注模型进行测试，若测试通过，则训练结束，或者，若测试不通过，则增加所述测试子集中的样本数量并重新执行上述步骤E、F、G、H。
8.如权利要求6所述的基于深度学习的乐曲演奏风格识别方法，其特征在于，所述模型测试过程包括如下步骤：
利用训练好的音乐力度标注模型分别对所述测试子集中的样本进行音乐力度标注，以得到标注了音乐力度的样本；
分别将各个标注了音乐力度的样本与预存的各个样本的标准音乐力度进行比较；
若标注了音乐力度的样本与预存的各个样本的标准音乐力度相比，误差率大于预设的误差阈值的标注了音乐力度的样本数大于预设的样本数阈值，则确定针对该音乐力度标注模型的测试不通过；
或者，若分析得到的误差率小于或等于预设的误差阈值的标注了音乐力度的样本数小于预设的样本数阈值，则确定针对该音乐力度标注模型的测试通过。
9.如权利要求7或8所述的基于深度学习的乐曲演奏风格识别方法，其特征在于，所述预先确定的音乐力度标注模型为预先训练完成的双向循环神经网络模型；所述双向循环神经网络模型包括双向循环神经网络的神经元节点以及全链接层；
所述双向循环神经网络的神经元节点包括四层，分别为输入层，前向层、反馈层、以及输出层；所述前向层和所述反馈层共同构成隐含层，所述隐含层包括两个输出通道，其中，一个输出通道与所述输出层连接，另一个输出通道与所述隐含层的输入通道连接；所述输出层与所述全链接层连接，输出带有音乐力度标注的乐谱。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有基于深度学习的乐曲演奏风格识别程序，所述基于深度学习的乐曲演奏风格识别程序可被至少一个处理器执行，以使所述至少一个处理器执行如权利要求6-9中任一项所述的基于深度学习的乐曲演奏风格识别方法的步骤。