mindspore.dataset.audio.FrequencyMasking
- class mindspore.dataset.audio.FrequencyMasking(iid_masks=False, freq_mask_param=0, mask_start=0, mask_value=0.0)[源代码]
给音频波形施加频域掩码。
说明
待处理音频shape需为<…, freq, time>。
- 参数:
iid_masks (bool, 可选) - 是否施加随机掩码。默认值:
False
。freq_mask_param (int, 可选) - 当 iid_masks 为
True
时,掩码长度将从[0, freq_mask_param]中均匀采样;当 iid_masks 为False
时,直接使用该值作为掩码长度。取值范围为[0, freq_length],其中 freq_length 为音频波形在频域的长度。默认值:0
。mask_start (int, 可选) - 添加掩码的起始位置,只有当 iid_masks 为
True
时,该值才会生效。取值范围为[0, freq_length - frequency_mask_param],其中 freq_length 为音频波形在频域的长度。默认值:0
。mask_value (float, 可选) - 掩码填充值。默认值:
0.0
。
- 异常:
TypeError - 当 iid_masks 的类型不为bool。
TypeError - 当 freq_mask_param 的类型不为int。
ValueError - 当 freq_mask_param 大于音频频域长度。
TypeError - 当 mask_start 的类型不为int。
ValueError - 当 mask_start 为负数。
TypeError - 当 mask_value 的类型不为float。
ValueError - 当 mask_value 为负数。
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, 16, 2]) # 5 samples >>> numpy_slices_dataset = ds.NumpySlicesDataset(data=waveform, column_names=["audio"]) >>> transforms = [audio.FrequencyMasking(iid_masks=True, freq_mask_param=1)] >>> 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 (16, 2) float64 >>> >>> # Use the transform in eager mode >>> waveform = np.random.random([16, 2]) # 1 sample >>> output = audio.FrequencyMasking(iid_masks=True, freq_mask_param=1)(waveform) >>> print(output.shape, output.dtype) (16, 2) float64
- 教程样例: