Paketti: python3-torchaudio (2.9.1-1)

[ Source: pytorch-audio  ]

Kokeellinen paketti

Varoitus: Tämä paketti on kokeellisesta jakelusta. Tämä tarkoittaa, että se on luultavasti epävakaa tai buginen, ja voi aiheuttaa jopa tiedonhäviötä. Kannattaa ehdottomasti tutustua muutoslokiin ja muihin mahdollisiin ohjeisiin ennen käyttöönottoa.

Data manipulation and transformation for audio signal processing

The aim of torchaudio is to apply PyTorch to the audio domain. By supporting PyTorch, torchaudio follows the same philosophy of providing strong GPU acceleration, having a focus on trainable features through the autograd system, and having consistent style (tensor names and dimension names). Therefore, it is primarily a machine learning library and not a general signal processing library. The benefits of Pytorch is be seen in torchaudio through having all the computations be through Pytorch operations which makes it easy to use and feel like a natural extension.

Muut pakettiin python3-torchaudio liittyvät paketit

• dep: libc6 (>= 2.32)

  GNU-C-kirjasto: jaetut kirjastot
  myös näennäispaketti, jonka toteuttaa libc6-udeb

• dep: libgcc-s1 (>= 3.0) [ei s390x]

  GCC:n apukirjasto

  dep: libgcc-s1 (>= 4.2) [s390x]

• dep: libgomp1 (>= 4.9)

  GCC OpenMP (GOMP) support library

• dep: libstdc++6 (>= 14)

  GNU standardi C++ -kirjasto, versio 3

• dep: libtorch2.9 (>= 2.9.1+dfsg)

  Tensors and Dynamic neural networks in Python (Shared Objects)

  tai libtorch-cuda-2.9 (>= 2.9.1+dfsg)

  Paketti ei saatavilla

  tai libtorch-rocm-2.9 (>= 2.9.1+dfsg)

  Paketti ei saatavilla

• dep: python3

  interactive high-level object-oriented language (default python3 version)

• dep: python3-torch

  Tensors and Dynamic neural networks in Python (Python Interface)

  tai python3-torch-cuda

  Tensors and Dynamic neural networks in Python (Python Interface)

  tai python3-torch-rocm

  Paketti ei saatavilla

Imuroi python3-torchaudio

Imurointi kaikille saataville arkkitehtuureille

Arkkitehtuuri	Paketin koko	Koko asennettuna	Tiedostot
amd64	345.8 kt	1,692.0 kt	[tiedostoluettelo]
arm64	317.6 kt	1,677.0 kt	[tiedostoluettelo]
ppc64el	344.6 kt	1,805.0 kt	[tiedostoluettelo]
s390x	338.2 kt	1,685.0 kt	[tiedostoluettelo]