mindspore.dataset.audio.InverseMelScale
- class mindspore.dataset.audio.InverseMelScale(n_stft, n_mels=128, sample_rate=16000, f_min=0.0, f_max=None, max_iter=100000, tolerance_loss=1e-05, tolerance_change=1e-08, sgdargs=None, norm=NormType.NONE, mel_type=MelType.HTK)[源代码]
使用转换矩阵从梅尔频率STFT求解普通频率的STFT。
- 参数:
n_stft (int) - STFT中的频段数。
n_mels (int, 可选) - mel滤波器的数量。默认值:
128
。sample_rate (int, 可选) - 音频信号采样频率。默认值:
16000
。f_min (float, 可选) - 最小频率。默认值:
0.0
。f_max (float, 可选) - 最大频率。默认值:
None
,将设置为 sample_rate//2 。max_iter (int, 可选) - 最大优化迭代次数。默认值:
100000
。tolerance_loss (float, 可选) - 当达到损失值时停止优化。默认值:
1e-5
。tolerance_change (float, 可选) - 指定损失差异,当达到损失差异时停止优化。默认值:
1e-8
。sgdargs (dict, 可选) - SGD优化器的参数。默认值:
None
,将设置为{‘sgd_lr’: 0.1, ‘sgd_momentum’: 0.9}。norm (
NormType
, 可选) - 标准化方法,可以是NormType.SLANEY
或NormType.NONE
。默认值:NormType.NONE
,不使用标准化。mel_type (
MelType
, 可选) - 要使用的Mel比例,可以是MelType.SLAN
或MelType.HTK
。默认值:MelType.HTK
。
- 异常:
TypeError - 如果 n_fft 的类型不为int。
ValueError - 如果 n_ftt 不为正数。
TypeError - 如果 n_mels 的类型不为int。
ValueError - 如果 n_mels 不为正数。
TypeError - 如果 sample_rate 的类型不为int。
ValueError - 如果 sample_rate 不为正数。
TypeError - 如果 f_min 的类型不为float。
ValueError - 如果 f_min 大于等于 f_max 。
TypeError - 如果 f_max 的类型不为float。
ValueError - 如果 f_max 为负数。
TypeError - 如果 max_iter 的类型不为int。
ValueError - 如果 max_iter 为负数。
TypeError - 如果 tolerance_loss 的类型不为float。
ValueError - 如果 tolerance_loss 为负数。
TypeError - 如果 tolerance_change 的类型不为float。
ValueError - 如果 tolerance_change 为负数。
TypeError - 如果 sgdargs 的类型不为dict。
TypeError - 如果 norm 的类型不为
mindspore.dataset.audio.NormType
。TypeError - 如果 mel_type 的类型不为
mindspore.dataset.audio.MelType
。
- 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.randn(5, 8, 3, 2) # 5 samples >>> numpy_slices_dataset = ds.NumpySlicesDataset(data=waveform, column_names=["audio"]) >>> transforms = [audio.InverseMelScale(20, 3, 16000, 0, 8000, 10)] >>> 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 (8, 20, 2) float64 >>> >>> # Use the transform in eager mode >>> waveform = np.random.random([8, 3, 2]) # 1 sample >>> output = audio.InverseMelScale(20, 3, 16000, 0, 8000, 10)(waveform) >>> print(output.shape, output.dtype) (8, 20, 2) float64
- 教程样例: