快捷方式

torch.kaiser_window

torch.kaiser_window(window_length, periodic=True, beta=12.0, *, dtype=None, layout=torch.strided, device=None, requires_grad=False) Tensor

计算具有窗口长度 window_length 和形状参数 beta 的 Kaiser 窗口。

令 I_0 为第一类零阶修正贝塞尔函数(参见 torch.i0()) 以及如果 periodic 为 False 则 N = L - 1,如果 periodic 为 True 则 L,其中 Lwindow_length。此函数计算

outi=I0(β1(iN/2N/2)2)/I0(β)out_i = I_0 \left( \beta \sqrt{1 - \left( {\frac{i - N/2}{N/2}} \right) ^2 } \right) / I_0( \beta )

调用 torch.kaiser_window(L, B, periodic=True) 等效于调用 torch.kaiser_window(L + 1, B, periodic=False)[:-1])periodic 参数旨在作为一种有用的简写方式,用于生成周期性窗口作为函数(如 torch.stft())的输入。

注意

如果 window_length 为 1,则返回的窗口是一个包含 1 的单元素张量。

参数
  • window_length (int) – 窗口的长度。

  • periodic (bool, 可选) – 如果为 True,则返回适合用于频谱分析的周期性窗口。如果为 False,则返回适合用于滤波器设计的对称窗口。

  • beta (float, 可选) – 窗口的形状参数。

关键字参数
  • dtype (torch.dtype,可选) – 返回张量的所需数据类型。默认值:如果为 None,则使用全局默认值(参见 torch.set_default_dtype())。

  • layout (torch.layout,可选) – 返回窗口张量的所需布局。仅支持 torch.strided(密集布局)。

  • device (torch.device,可选) – 返回张量的所需设备。默认值:如果为 None,则使用默认张量类型的当前设备(参见 torch.set_default_device())。对于 CPU 张量类型,device 将为 CPU;对于 CUDA 张量类型,device 将为当前 CUDA 设备。

  • requires_grad (bool, 可选) – 是否应记录返回张量上的操作。默认值:False

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源