SPEECHCOMMANDS

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

Speech Commands [Warden, 2018] 資料集。

引數：

• root (str 或 Path) – 資料集所在或下載到的目錄路徑。

• url (str, optional) – 下載資料集的 URL，或要下載的資料集型別。允許的型別值為 "speech_commands_v0.01" 和 "speech_commands_v0.02" (預設值: "speech_commands_v0.02")

• folder_in_archive (str, optional) – 資料集的頂級目錄。(預設值: "SpeechCommands")

• download (bool, optional) – 如果在 root 路徑下找不到資料集，是否下載。(預設值: False)。

• subset (str 或 None, optional) – 選擇資料集的子集 [None, "training", "validation", "testing"]。None 表示整個資料集。"validation" 和 "testing" 分別定義在 "validation_list.txt" 和 "testing_list.txt" 中，"training" 是其餘部分。檔案 "validation_list.txt" 和 "testing_list.txt" 的詳細資訊在資料集的 README 以及原始論文第 7 節的介紹及其參考文獻 12 中有解釋。原始論文可以在這裡找到。(預設值: None)

__getitem__

SPEECHCOMMANDS.__getitem__(n: int) → Tuple[Tensor, int, str, str, int]

從資料集中載入第 n 個樣本。

引數：

n (int) – 要載入的樣本的索引

返回：

包含以下項的元組；

Tensor

波形

int

取樣率

str

標籤

str

說話人 ID

int

話語編號

get_metadata

SPEECHCOMMANDS.get_metadata(n: int) → Tuple[str, int, str, str, int]

從資料集中獲取第 n 個樣本的元資料。返回檔案路徑而不是波形，但其他欄位與 __getitem__() 返回的相同。

引數：

n (int) – 要載入的樣本的索引

返回：

包含以下項的元組；

str

音訊路徑

int

取樣率

str

標籤

str

說話人 ID

int

話語編號