mindspore.dataset.audio.ComputeDeltas
- class mindspore.dataset.audio.ComputeDeltas(win_length=5, pad_mode=BorderType.EDGE)[源代码]
计算频谱的delta系数,也叫差分系数。
delta系数能够帮助理解功率谱中的动态信息。能够通过下列公式进行计算。
\[d_{t}=\frac{{\textstyle\sum_{n=1}^{N}}n(c_{t+n}-c_{t-n})}{2{\textstyle\sum_{n=1}^{N}}n^{2}}\]其中, \(d_{t}\) 是 \(t\) 时刻的delta值, \(c_{t}\) 是 \(t\) 时刻的频谱系数, \(N\) 是 \((\text{win_length} - 1) // 2\) 。
- 参数:
win_length (int, 可选) - 用于计算delta值的窗口长度,必须不小于3。默认值:
5
。pad_mode (
BorderType
, 可选) - 边界填充模式,可为BorderType.CONSTANT
、BorderType.EDGE
、BorderType.REFLECT
或BorderType.SYMMETRIC
。 默认值:BorderType.EDGE
。BorderType.CONSTANT
,使用常量值填充。BorderType.EDGE
,使用各边的边界像素值填充。BorderType.REFLECT
,以各边的边界为轴进行镜像填充,忽略边界像素值。 例如,向 [1, 2, 3, 4] 的两边分别填充2个元素,结果为 [3, 2, 1, 2, 3, 4, 3, 2]。BorderType.SYMMETRIC
,以各边的边界为轴进行对称填充,包括边界像素值。 例如,向 [1, 2, 3, 4] 的两边分别填充2个元素,结果为 [2, 1, 1, 2, 3, 4, 4, 3]。
- 异常:
TypeError - 当 win_length 的类型不为int。
ValueError - 当 win_length 小于3。
TypeError - 当 pad_mode 的类型不为
mindspore.dataset.audio.BorderType
。RuntimeError - 当输入音频的shape不为<…, freq, time>。
- 支持平台:
CPU
样例:
>>> import numpy as np >>> import mindspore.dataset as ds >>> import mindspore.dataset.audio as audio >>> >>> # Use the transform in dataset pipeline mode >>> waveform = np.random.random([5, 400 // 2 + 1, 30]) # 5 samples >>> numpy_slices_dataset = ds.NumpySlicesDataset(data=waveform, column_names=["audio"]) >>> transforms = [audio.ComputeDeltas(win_length=7, pad_mode=audio.BorderType.EDGE)] >>> numpy_slices_dataset = numpy_slices_dataset.map(operations=transforms, input_columns=["audio"]) >>> for item in numpy_slices_dataset.create_dict_iterator(num_epochs=1, output_numpy=True): ... print(item["audio"].shape, item["audio"].dtype) ... break (201, 30) float64 >>> >>> # Use the transform in eager mode >>> waveform = np.random.random([400 // 2 + 1, 30]) # 1 sample >>> output = audio.ComputeDeltas(win_length=7, pad_mode=audio.BorderType.EDGE)(waveform) >>> print(output.shape, output.dtype) (201, 30) float64
- 教程样例: