Pytorch语音信号处理常用函数总结

Pytorch学习

学习pytorch辅导书：Pytorch手册
常用函数查询：Pytorch文档

后续学习更新。

针对语音处理的pytorch常用函数

一般用到如下：

import os
import torch
import numpy as np
from torch.utils.data import Dataset, DataLoader #训练数据组织
from hparams import hparams #预处理及网络需要的参数
import librosa #特征提取
import soundfile as sf #读音频
import random

语音增强–数据预处理

预处理得到（D维，T帧）数据，而网络输入需要（T，D）
其中每次输入网络的不是一帧，而是多帧，所以需要拼帧：

比如每5帧拼一起，作为一个整体，来预测中间一帧：

想象一下，每一帧数据D维，每5帧放一起，假设共13帧，即得到（9帧D维5）的数据。

根据这一部分，主要的pytorch的函数就是：

torch.from_numpy

用来将数组array转换为张量Tensor。

X_train = torch.from_numpy(noisy_LPS)

具体用法：

a=np.array([1,2,3,4])
print(a)
#[1 2 3 4]

print(torch.from_numpy(a))
#tensor([1, 2, 3, 4], dtype=torch.int32)

torch.unfold

torch.unfold(dimension,size,step)

按照指定维度dimension，以一定的间隔step将原始张量按size 大小进行分片，然后返回重整后的张量。

示例：

>>> a = torch.arange(16).view(4, 4)
>>> a
tensor([[ 0,  1,  2,  3],#[]里逗号隔开的就是列
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11],
        [12, 13, 14, 15]])
>>> b = a.unfold(0, 3, 1)      #0行1列    
 # 按照行，以每3个元素，跨步为1进行展开
>>> b
tensor([[[ 0,  4,  8],
         [ 1,  5,  9],
         [ 2,  6, 10],
         [ 3,  7, 11]],

        [[ 4,  8, 12],
         [ 5,  9, 13],
         [ 6, 10, 14],
         [ 7, 11, 15]]])
>>> b.shape

torch.transpose

torch.transpose(tensor,dim_0,dim_1)

转置操作，交换两个维度。
示例：

a=torch.tensor([[[1,2,3],[4,5,6]],
                [[7,8,9],[10,11,12]]])
b=torch.transpose(a,1,2) #置换1，2维，0维不变

#输出b：
#tensor([[[ 1,  4],
         [ 2,  5],
         [ 3,  6]],

        [[ 7, 10],
         [ 8, 11],
         [ 9, 12]]])

#a的shape: torch.Size([2, 2, 3])
#b的shape: torch.Size([2, 3, 2])

torch.view

用于改变tensor的形状。
示例：

a = torch.tensor([1, 2, 3, 4, 5, 6])
b = a.view(2, 3)

#输出：
>>a : tensor([1, 2, 3, 4, 5, 6])
>>b : tensor([[1, 2, 3],
              [4, 5, 6]])

-1表示一个不确定的数，就是如果你确定想要reshape成什么维度，把不确定，或懒得算的那个维度置为-1，其他的需要写上

示例：

c = a.view(-1,3)

#输出：
tensor([[1, 2, 3],
        [4, 5, 6]])

c = a.view(3,-1)

#输出
tensor([[1, 2],
        [3, 4],
        [5, 6]])

深入学习：tensor.view()、tensor.reshape()、tensor.resize_() 三者的区别

torch.cat

outputs = torch.cat(inputs, dim) 

把多个tensor进行拼接。
inputs : 待连接的张量序列，可以是任意相同Tensor类型的python 序列
dim : 选择哪一维, 必须在0到len(inputs[0])之间，沿着此维连接张量序列。

示例：

# x1
x1 = torch.tensor([[11,21,31],[21,31,41]],dtype=torch.int)
x1.shape # torch.Size([2, 3])
# x2
x2 = torch.tensor([[12,22,32],[22,32,42]],dtype=torch.int)
x2.shape  # torch.Size([2, 3])

'合并，得到inputs为２个形状为[2 , 3]的矩阵 '
inputs = [x1, x2]
print(inputs)
'打印查看'
[tensor([[11, 21, 31],
         [21, 31, 41]], dtype=torch.int32),
 tensor([[12, 22, 32],
         [22, 32, 42]], dtype=torch.int32)]


torch.cat(inputs, dim=0).shape# 按第0维拼接
Out[1]: torch.Size([4,  3])

torch.cat(inputs, dim=1).shape# 按第一维拼接
Out[2]: torch.Size([2, 6])

torch.cat(inputs, dim=2).shape #报错
IndexError: Dimension out of range (expected to be in range of [-2, 1], but got 2)