读取训练集数据

single_loader, dataset_size = triplet_network.data_loader(os.path.join(DATA_DIR, 'triplets_train'), load_fn=load_audio_mfcc, batch_size=1)

使用 triplet_network.data_loader 读取训练集数据，并设定 batch_size 为 1

计算数据集大小并得到其位数

i_len = len(str(dataset_size - 1))

获取数据集大小，并计算其位数，用于生成文件名

创建一个文件，用于保存数据列表

with open(os.path.join(TMP_DIR, 'list'), 'w') as f_list:

创建一个名为 'list' 的文件，用于保存每个样本的路径

对每个三元组数据进行处理

for i, (triplet, _) in tqdm(enumerate(single_loader()), total=dataset_size):

使用 tqdm 显示进度条，对每个三元组数据进行处理

paths = []

创建一个列表，用于保存每个样本的路径

对每个样本（锚点、正样本、负样本）进行处理

for name in ['anchor', 'positive', 'negative']:

遍历每个样本类型

[example] = triplet[name + '_input']

获取样本数据

生成保存数据的文件名，并保存数据

path = '{}_{}.npy'.format(str(i).zfill(i_len), name)

生成文件名，并使用 np.save 保存样本数据

np.save(os.path.join(TMP_DIR, path), example, allow_pickle=False)

保存样本数据到指定路径，并禁用 pickle

paths.append(path)

将样本路径添加到列表中

将每个样本的保存路径写入文件

print(*paths, sep=' ', file=f_list)

将每个样本的路径写入文件，使用制表符分隔