from PIL import Imagefrom modelconfig import import torchimport osimport numpy as npfrom torchutilsdata import Dataset DataLoader dataloader random_splitfrom torchvision import transformsclass SpeechD

该代码定义了一个SpeechDataset类，用于加载噪声语音和干净语音的频谱图像。它还定义了用于进行数据加载和转换的函数。以下是类中各个方法的详细解释：

init(self, root_dir=DATA_PATH, transform=None)：类的构造函数，用于初始化数据集。它从指定的目录加载噪声语音和干净语音的频谱图像，并创建一个蒙版（从噪声语音中减去干净语音）。然后对图像进行规范化（缩放到-1和1之间）。如果未指定transform，则使用默认的transforms.Compose函数将图像转换为张量。

len(self)：返回数据集中的样本数量。

getitem(self, index)：按索引获取数据集中的一个样本，并将其返回为一个元组（图像和蒙版）。

scaled_in(matrix_spec)：对噪声语音的频谱图像进行全局缩放，将其缩放到-1和1之间。

scaled_ou(matrix_spec)：对噪声模型的频谱图像进行全局缩放，将其缩放到-1和1之间。

inv_scaled_in(matrix_spec)：对带有缩放的噪声语音的频谱图像进行反缩放，将其返回到原始比例。

inv_scaled_ou(matrix_spec)：对带有缩放的噪声模型的频谱图像进行反缩放，将其返回到原始比例。

get_dataloader(dataset, batch_size=BATCH_SIZE, random_seed=RANDOM_SEED, valid_ratio=VALID_RATIO, shuffle=True, num_workers=NUM_WORKERS)：用于创建数据加载器的函数。它将数据集分成训练集和验证集，并返回两个数据加载器，一个用于训练，一个用于验证。它还允许指定批量大小，随机种子，验证比率，是否打乱索引以及使用的工作进程数量