比较与torchaudio.datasets.SPEECHCOMMANDS的差异

查看源文件

torchaudio.datasets.SPEECHCOMMANDS

class torchaudio.datasets.SPEECHCOMMANDS(
    root: str,
    url: str = 'speech_commands_v0.02',
    folder_in_archive: str = 'SpeechCommands',
    download: bool = False,
    subset: str = None)

更多内容详见torchaudio.datasets.SPEECHCOMMANDS

mindspore.dataset.SpeechCommandsDataset

class mindspore.dataset.SpeechCommandsDataset(
    dataset_dir,
    usage=None,
    num_samples=None,
    num_parallel_workers=None,
    shuffle=None,
    sampler=None,
    num_shards=None,
    shard_id=None,
    cache=None)

更多内容详见mindspore.dataset.SpeechCommandsDataset

差异对比

PyTorch:读取SpeechCommands数据集。

MindSpore:读取SpeechCommands数据集,不支持下载。

分类

子类

PyTorch

MindSpore

差异

参数

参数1

root

dataset_dir

-

参数2

url

-

MindSpore不支持

参数3

folder_in_archive

-

MindSpore不支持

参数4

download

-

MindSpore不支持

参数5

subset

usage

-

参数6

-

num_samples

指定从数据集中读取的样本数

参数7

-

num_parallel_workers

指定读取数据的工作线程数

参数8

-

shuffle

指定是否混洗数据集

参数9

-

sampler

指定采样器

参数10

-

num_shards

指定分布式训练时将数据集进行划分的分片数

参数11

-

shard_id

指定分布式训练时使用的分片ID号

参数12

-

cache

指定单节点数据缓存服务

代码示例

# PyTorch
import torchaudio.datasets as datasets
from torch.utils.data import DataLoader

root = "/path/to/dataset_directory/"
dataset = datasets.SPEECHCOMMANDS(root, url='speech_commands_v0.02')
dataloader = DataLoader(dataset)

# MindSpore
import mindspore.dataset as ds

# Download SpeechCommands dataset files, unzip into the following structure
# .
# └── /path/to/dataset_directory/
#      ├── cat
#           ├── b433eff_nohash_0.wav
#           ├── 5a33edf_nohash_1.wav
#           └──....
#      ├── dog
#           ├── b433w2w_nohash_0.wav
#           └──....
#      ├── four
#      └── ....
root = "/path/to/dataset_directory/"
ms_dataloader = ds.SpeechCommandsDataset(root, usage='all')