mindspore.dataset.audio.InverseMelScale

查看源文件
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.SLANEYNormType.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.SLANMelType.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: