Question

如上所述，iam可以在google colab中运行代码，但是当我运行本地anaconda jupyter实验室相同的代码时，我会收到以下错误：

错误消息

ValueError：检查输入时出错：预期input_1具有4维，但数组的形状（1,216，1）

下面是代码

data, sampling_rate = librosa.load('drive/My Drive/audio_ml_proj/Liza-happy-v3.wav')
ipd.Audio('drive/My Drive/audio_ml_proj/Liza-happy-v3.wav')

# loading json and model architecture 
json_file = open('drive/My Drive/audio_ml_proj/model_json_aug.json', 'r')
loaded_model_json = json_file.read()
json_file.close()
loaded_model = model_from_json(loaded_model_json)

# load weights into new model
loaded_model.load_weights("drive/My Drive/audio_ml_proj/Emotion_Model_aug.h5")
print("Loaded model from disk")

# the optimiser
opt = keras.optimizers.rmsprop(lr=0.00001, decay=1e-6)
loaded_model.compile(loss='categorical_crossentropy', optimizer=opt, metrics=['accuracy'])

# Lets transform the dataset so we can apply the predictions
X, sample_rate = librosa.load('drive/My Drive/audio_ml_proj/Liza-happy-v3.wav'
                          ,res_type='kaiser_fast'
                          ,duration=2.5
                          ,sr=44100
                          ,offset=0.5
                         )

sample_rate = np.array(sample_rate)
mfccs = np.mean(librosa.feature.mfcc(y=X, sr=sample_rate, n_mfcc=13),axis=0)
newdf = pd.DataFrame(data=mfccs).T
newdf

# Apply predictions
newdf= np.expand_dims(newdf, axis=2)
newpred = loaded_model.predict(newdf, 
                     batch_size=16, 
                     verbose=1)

newpred

我刚刚在jupyter实验室中更改了文件夹的路径。

我认为这是由于我的Anaconda中存在的软件包未更新我也将我的keras也更新到了最新版本。

任何帮助暂时都是一件好事，请帮助。

Answer 1

构建深度卷积生成对抗网络（DCGAN）时遇到类似的问题。当我在Colab中运行代码时，一切正常。但是，当我在Jupyter Lab（Anaconda）中运行代码时，我收到一条错误消息，提示TensorFlow缺少get_default_graph。

我检查了TensorFlow的版本，并且都在运行2.2.0。

我在网上进行了一些挖掘，发现通过更改包裹可以发现我可以从“ keras.layers.x”安装到“ tensorflow.keras.layers.x” 解决此错误。

它奏效了！好吧，有点。该错误不再阻止我实例化生成器网络，我可以很好地运行该单元了。但是，当我实际训练GAN并开始生成图像时，该模型输出的是静态图像，而不是可识别的图像。

在Colab中，模型输出可识别的图像（即按预期工作）。我完全感到困惑，为什么Jupyter Labs和Colab的行为如此不同，会欣赏社区的任何上下文/解释！

能够在Google Colab中运行代码，但不能在本地Anaconda Jupyter Lab中运行代码

1 个答案: