pytorch dataloader读取音频

PyTorch提供了一个叫做`torchaudio`的包，可以用来读取和处理音频数据。使用`torchaudio`可以方便地创建一个自定义的数据集，并使用PyTorch的`DataLoader`来加载音频数据。

以下是一个示例代码，用于读取一个文件夹中的所有音频文件，并将它们转换成Tensor类型：

import os
import torch
import torchaudio
from torch.utils.data import Dataset, DataLoader

class AudioDataset(Dataset):
    def __init__(self, root_dir):
        self.root_dir = root_dir
        self.file_list = os.listdir(root_dir)
        
    def __len__(self):
        return len(self.file_list)
    
    def __getitem__(self, idx):
        file_path = os.path.join(self.root_dir, self.file_list[idx])
        waveform, sample_rate = torchaudio.load(file_path)
        return waveform, sample_rate

dataset = AudioDataset('/path/to/audio/folder')
dataloader = DataLoader(dataset, batch_size=4, shuffle=True)

在上面的示例中，`AudioDataset`类是一个自定义的数据集，它将音频文件夹的路径作为参数，并通过`__getitem__`方法返回每个样本的音频波形和采样率。`DataLoader`对象可以使用`AudioDataset`对象来加载数据，并可以指定批量大小和是否打乱数据。

当我们使用`dataloader`来迭代数据时，它将返回一个以批量为单位的元组，每个元组包含了一批音频的波形和采样率。你可以在这个元组上进行进一步的处理，例如将采样率转换为相同的值，或者将所有波形裁剪或填充到相同的长度。