最近在看一个开源代码，发现求信号的STFT的时候，使用的是torchaudio_contrib.audio_nn.STFT函数，而有些人用pytorch自带的stft函数，即调用torch.stft，而在librosa里也有stft函数，这几种函数输出结果相同吗？和MATLAB的XXXX函数相比较有什么差别？为什么不先在librosa里做完stft再讲结果转为tensor？
为什么要用pytorch上实现STFT和ISTFT？
神经网络需要用GPU加速实现，那么网络和数据的运算都需要能在GPU实现，如果函数计算在CPU中，那么必然涉及数据在CPU和GPU上来回搬动，耗时耗力，所以torch自带了stft和istft.
pytorch官方自带的stft和istft
import os
import torch
wav_data1 = torch.tensor(np.arange(0, 100, 0.1))
a1 = torch.stft(wav_data1, n_fft=512, hop_length=100, win_length = 200)
aa1 = torch.istft(a1, n_fft=512, hop_length=100, win_length = 200)
rea = a1[:, :, 0]#实部
imag = a1[:, :, 1]#虚部
mag = torch.abs(torch.sqrt(torch.pow(rea, 2) + torch.pow(imag, 2)))
pha = torch.atan2(imag.data, rea.data)
对比，wav_data1和aa1相同。
torchaudio
也是调用了torch自带的stft和istft.