代码拉取完成,页面将自动刷新
class torchaudio.transforms.SpectralCentroid(sample_rate: int, n_fft: int = 400, win_length: Optional[int] = None,
hop_length: Optional[int] = None, pad: int = 0,
window_fn: Callable[[...], torch.Tensor] = <built-in method hann_window of type object>,
wkwargs: Optional[dict] = None)
更多内容详见torchaudio.transforms.SpectralCentroid。
class mindspore.dataset.audio.SpectralCentroid(sample_rate, n_fft=400, win_length=None, hop_length=None,
pad=0, window=WindowType.HANN)
更多内容详见mindspore.dataset.audio.SpectralCentroid。
PyTorch:计算每个通道沿时间轴的频谱中心。支持自定义窗函数或对窗函数传入不同的配置参数。支持对STFT结果进行幅值规范化。
MindSpore:计算每个通道沿时间轴的频谱中心。
分类 | 子类 | PyTorch | MindSpore | 差异 |
---|---|---|---|---|
参数 | 参数1 | sample_rate | sample_rate | - |
参数2 | n_fft | n_fft | - | |
参数3 | win_length | win_length | - | |
参数4 | hop_length | hop_length | - | |
参数5 | pad | pad | ||
参数6 | window_fn | window | MindSpore仅支持5种窗函数 | |
参数7 | wkwargs | - | 自定义窗函数的入参,MindSpore不支持 |
import numpy as np
fake_input = np.array([[[1, 1, 2, 2, 3, 3, 4]]]).astype(np.float32)
# PyTorch
import torch
import torchaudio.transforms as T
transformer = T.SpectralCentroid(sample_rate=44100, n_fft=8, window_fn=torch.hann_window)
torch_result = transformer(torch.from_numpy(fake_input))
print(torch_result)
# Out: tensor([[[4436.1182, 3768.7986]]])
# MindSpore
import mindspore.dataset.audio as audio
transformer = audio.SpectralCentroid(sample_rate=44100, n_fft=8, window=audio.WindowType.HANN)
ms_result = transformer(fake_input)
print(ms_result)
# Out: [[[[4436.117 3768.7979]]]]
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。