[ torch 参数更多 ]torch.hamming_window

torch.hamming_window

torch.hamming_window(window_length, periodic=True, alpha=0.54, beta=0.46, *, dtype=None, layout=torch.strided, device=None, requires_grad=False)

paddle.audio.functional.get_window

paddle.audio.functional.get_window(window, win_length, fftbins=True, dtype='float64')

PyTorch 相比 Paddle 支持更多其他参数，具体如下：

参数映射

PyTorch PaddlePaddle 备注
- window 窗函数类型，Pytorch 无此参数，Paddle 需设置为 hamming。
window_length win_length 输入窗口的长度，仅参数名不同。
periodic fftbins 判断是否返回适用于过滤器设计的对称窗口，仅参数名不同。
alpha - 窗函数中非线性部分的衰减速度，Paddle 无此参数，暂无转写方式。
beta - 窗函数中线性部分的衰减速度，Paddle 无此参数，暂无转写方式。
dtype dtype 返回 Tensor 的数据类型，支持 float32、float64。PyTorch 若参数为空，返回数据类型默认为 float32。 Paddle 若参数为空，返回数据类型默认为 float64 ，需要转写。
layout - 表示布局方式， Paddle 无此参数，一般对网络训练结果影响不大，可直接删除。
device - 表示 Tensor 存放设备位置，Paddle 无此参数，需要转写。
requires_grad - 表示是否计算梯度， Paddle 无此参数，需要转写。

转写示例

window：窗函数类型

# PyTorch 写法
torch.hamming_window(10)

# Paddle 写法
paddle.audio.functional.get_window('hamming', 10)

dtype：返回 Tensor 的数据类型

# PyTorch 写法
torch.hamming_window(10)

# Paddle 写法
paddle.audio.functional.get_window('hamming', 10, dtype='float32')

requires_grad：是否需要求反向梯度，需要修改该 Tensor 的 stop_gradient 属性

# PyTorch 写法
torch.hamming_window(10, requires_grad=True)

# Paddle 写法
x = paddle.audio.functional.get_window('hamming', 10)
x.stop_gradient = False

device: Tensor 的设备

# PyTorch 写法
torch.hamming_window(10, device=torch.device('cpu'))

# Paddle 写法
y = paddle.audio.functional.get_window('hamming', 10)
y.cpu()