将 torchaudio 加载 16 位音频从 `float32` 截断为 `float16` 是否安全？
Is it safe to truncate torchaudio's loaded 16-bit audios to `float16` from `float32`?
我有多个 depth/precision 的 16 位 WAV 文件。 torchaudio.info(...) 认识到这一点，给我：
precision = {int} 16
然而，当我使用 torchaudio.load(...) 时，我得到一个 float32 dtype 作为结果张量。
使用名为 audio 的张量，我知道我可以执行 audio.half() 将其截断为 16 位，从而减少数据集的内存使用量。但这是一种将保留所有可能原始值的精度的操作吗？我没有将 dtype 的精度降低到原始音频的精度以下，但可能有一个很好的理由我不知道为什么 torchaudio 仍然 returns float32.
我会说它作为 float32 返回，因为这是 pytorch 的默认数据类型。因此，如果您创建任何带有权重的模型，它们也将是 float32。因此，如果对输入数据进行转换，输入将与模型不兼容。 （E：或者它会默默地将你的数据转换为 32 位，以使其与你的模型兼容。不确定选择哪个 pytorch，但 tensorflow 肯定会抛出错误）。
如果您想制作小型模型，请在创建任何模型之前将默认数据类型设置为 float16：https://pytorch.org/docs/stable/generated/torch.set_default_dtype.html
但是请注意，如果您转换 16 位 int，您 将 丢失 5 位精度，因为您已经诊断出该数字实际上是（但表示为 32位浮点数）到 16 位浮点数。这是因为指数中使用了5位精度，只剩下10位来表示表示数字的小数部分。
如果您的内存不是特别紧张，我会把它保持在 float32。
我有多个 depth/precision 的 16 位 WAV 文件。 torchaudio.info(...) 认识到这一点，给我：
precision = {int} 16
然而，当我使用 torchaudio.load(...) 时，我得到一个 float32 dtype 作为结果张量。
使用名为 audio 的张量，我知道我可以执行 audio.half() 将其截断为 16 位，从而减少数据集的内存使用量。但这是一种将保留所有可能原始值的精度的操作吗？我没有将 dtype 的精度降低到原始音频的精度以下，但可能有一个很好的理由我不知道为什么 torchaudio 仍然 returns float32.
我会说它作为 float32 返回，因为这是 pytorch 的默认数据类型。因此，如果您创建任何带有权重的模型，它们也将是 float32。因此，如果对输入数据进行转换，输入将与模型不兼容。 （E：或者它会默默地将你的数据转换为 32 位，以使其与你的模型兼容。不确定选择哪个 pytorch，但 tensorflow 肯定会抛出错误）。
如果您想制作小型模型，请在创建任何模型之前将默认数据类型设置为 float16：https://pytorch.org/docs/stable/generated/torch.set_default_dtype.html
但是请注意，如果您转换 16 位 int，您 将 丢失 5 位精度，因为您已经诊断出该数字实际上是（但表示为 32位浮点数）到 16 位浮点数。这是因为指数中使用了5位精度，只剩下10位来表示表示数字的小数部分。
如果您的内存不是特别紧张，我会把它保持在 float32。