torch.hamming_window#

torch.hamming_window(window_length, *, dtype=None, layout=None, device=None, pin_memory=False, requires_grad=False) → Tensor#

Hamming 窗函式。

w[n] = \alpha - \beta\ \cos \left( \frac{2 \pi n}{N - 1} \right),

其中 $N$ 是完整的窗長。

輸入 window_length 是一個正整數，控制返回視窗的大小。 periodic 標誌決定返回的視窗是否截去對稱視窗的最後一個重複值，以便能與 torch.stft() 等函式一起作為週期性視窗使用。因此，如果 periodic 為 True，則上述公式中的 $N$ 實際上是 $\text{window\_length} + 1$ 。此外，我們總有 torch.hamming_window(L, periodic=True) 等於 torch.hamming_window(L + 1, periodic=False)[:-1])。

注意

如果 window_length $=1$ ，則返回的視窗包含單個值 1。

注意

這是 torch.hann_window() 的一個通用版本。

引數

window_length (int) – 返回視窗的大小

關鍵字引數

dtype (torch.dtype, optional) – 返回張量的目標資料型別。預設：如果 None，則使用全域性預設值（請參閱 torch.set_default_dtype()）。僅支援浮點型別。
layout (torch.layout, optional) – 返回視窗張量的目標佈局。僅支援 torch.strided（密集佈局）。
device (torch.device, 可選) – 返回張量的所需裝置。預設：如果為 None，則使用當前裝置作為預設張量型別（參見 torch.set_default_device()）。對於 CPU 張量型別，device 將是 CPU；對於 CUDA 張量型別，device 將是當前的 CUDA 裝置。
pin_memory (bool, optional) – 如果設定為 True，則返回的張量將被分配到固定記憶體中。僅適用於 CPU 張量。預設值：False。
requires_grad (bool, optional) – 如果 autograd 應記錄在返回的張量上的操作。預設值：False。

返回

一個大小為 $(\text{window\_length},)$ 的一維張量，包含視窗。

返回型別

張量

torch.hamming_window(window_length, periodic, *, dtype=None, layout=None, device=None, pin_memory=False, requires_grad=False) → Tensor

指定了 periodic 引數的 Hamming 窗函式。

引數

window_length (int) – 返回視窗的大小
periodic (bool) – 如果為 True，則返回一個用作週期性函式的視窗。如果為 False，則返回一個對稱視窗。

關鍵字引數

dtype (torch.dtype, optional) – 返回張量的目標資料型別。預設：如果 None，則使用全域性預設值（請參閱 torch.set_default_dtype()）。僅支援浮點型別。
layout (torch.layout, optional) – 返回視窗張量的目標佈局。僅支援 torch.strided（密集佈局）。
device (torch.device, 可選) – 返回張量的所需裝置。預設：如果為 None，則使用當前裝置作為預設張量型別（參見 torch.set_default_device()）。對於 CPU 張量型別，device 將是 CPU；對於 CUDA 張量型別，device 將是當前的 CUDA 裝置。
pin_memory (bool, optional) – 如果設定為 True，則返回的張量將被分配到固定記憶體中。僅適用於 CPU 張量。預設值：False。
requires_grad (bool, optional) – 如果 autograd 應記錄在返回的張量上的操作。預設值：False。

返回

一個大小為 $(\text{window\_length},)$ 的一維張量，包含視窗。

返回型別

張量

torch.hamming_window(window_length, periodic, float alpha, *, dtype=None, layout=None, device=None, pin_memory=False, requires_grad=False) → Tensor

指定了 periodic 和 alpha 引數的 Hamming 窗函式。

引數

window_length (int) – 返回視窗的大小
periodic (bool) – 如果為 True，則返回一個用作週期性函式的視窗。如果為 False，則返回一個對稱視窗。
alpha (float) – 上述公式中的係數 $\alpha$

關鍵字引數

dtype (torch.dtype, optional) – 返回張量的目標資料型別。預設：如果 None，則使用全域性預設值（請參閱 torch.set_default_dtype()）。僅支援浮點型別。
layout (torch.layout, optional) – 返回視窗張量的目標佈局。僅支援 torch.strided（密集佈局）。
device (torch.device, 可選) – 返回張量的所需裝置。預設：如果為 None，則使用當前裝置作為預設張量型別（參見 torch.set_default_device()）。對於 CPU 張量型別，device 將是 CPU；對於 CUDA 張量型別，device 將是當前的 CUDA 裝置。
pin_memory (bool, optional) – 如果設定為 True，則返回的張量將被分配到固定記憶體中。僅適用於 CPU 張量。預設值：False。
requires_grad (bool, optional) – 如果 autograd 應記錄在返回的張量上的操作。預設值：False。

返回

一個大小為 $(\text{window\_length},)$ 的一維張量，包含視窗。

返回型別

張量

torch.hamming_window(window_length, periodic, float alpha, float beta, *, dtype=None, layout=None, device=None, pin_memory=False, requires_grad=False) → Tensor

指定了 periodic, alpha 和 beta 引數的 Hamming 窗函式。

引數

window_length (int) – 返回視窗的大小
periodic (bool) – 如果為 True，則返回一個用作週期性函式的視窗。如果為 False，則返回一個對稱視窗。
alpha (float) – 上述公式中的係數 $\alpha$
beta (float) – 上述公式中的係數 $\beta$

關鍵字引數

dtype (torch.dtype, optional) – 返回張量的目標資料型別。預設：如果 None，則使用全域性預設值（請參閱 torch.set_default_dtype()）。僅支援浮點型別。
layout (torch.layout, optional) – 返回視窗張量的目標佈局。僅支援 torch.strided（密集佈局）。
device (torch.device, 可選) – 返回張量的所需裝置。預設：如果為 None，則使用當前裝置作為預設張量型別（參見 torch.set_default_device()）。對於 CPU 張量型別，device 將是 CPU；對於 CUDA 張量型別，device 將是當前的 CUDA 裝置。
pin_memory (bool, optional) – 如果設定為 True，則返回的張量將被分配到固定記憶體中。僅適用於 CPU 張量。預設值：False。
requires_grad (bool, optional) – 如果 autograd 應記錄在返回的張量上的操作。預設值：False。

返回

一個大小為 $(\text{window\_length},)$ 的一維張量，包含視窗。

返回型別

張量

torch.hamming_window#

文件

教程

資源