pytorch dataloader读取音频

PyTorch中可以使用`torchaudio`库来读取音频文件，并将其转换为张量格式，然后可以通过`DataLoader`来批处理数据。

以下是一个读取音频文件的示例代码：

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

class AudioDataset(Dataset):
    def __init__(self, audio_files):
        self.audio_files = audio_files

    def __len__(self):
        return len(self.audio_files)

    def __getitem__(self, idx):
        waveform, sample_rate = torchaudio.load(self.audio_files[idx])
        return waveform, sample_rate

audio_files = ['file1.wav', 'file2.wav', 'file3.wav']
dataset = AudioDataset(audio_files)
dataloader = DataLoader(dataset, batch_size=4, shuffle=True)

for batch in dataloader:
    # batch is a tuple of tensors (waveform, sample_rate)
    print(batch[0].size(), batch[1])

在上面的代码中，`AudioDataset`类继承自`Dataset`，并实现了`__len__`和`__getitem__`方法。`__len__`方法返回数据集的大小，`__getitem__`方法则返回指定索引的数据。

在`__getitem__`方法中，我们使用`torchaudio.load`函数来读取音频文件，并将其返回为一个张量形式的波形和采样率。这个元组就是`__getitem__`方法的返回值。

最后，我们将`AudioDataset`对象传递给`DataLoader`，并指定批量大小为4，打乱顺序为True。在迭代`DataLoader`时，可以获得一个包含批量数据的元组，其中第一个元素是一个形状为`(batch_size, channels, samples)`的张量，表示批量中所有音频的波形，第二个元素是一个长度为`batch_size`的一维张量，表示批量中所有音频的采样率。