能够在 google colab 中运行代码，但不能在本地 anaconda jupyter 实验室中运行答案

【问题标题】：Able to run code in google colab but not in local anaconda jupyter lab能够在 google colab 中运行代码，但不能在本地 anaconda jupyter 实验室中运行
【发布时间】：2020-06-20 10:18:10
【问题描述】：

如前所述，我能够在 google colab 中运行代码，但是当我运行本地 anaconda jupyter 实验室时，我收到以下错误：

错误信息

ValueError：检查输入时出错：预期 input_1 有 4 个维度，但得到的数组具有形状 (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

我刚刚在我的 jupyter 实验室中更改了我的文件夹的路径，这很好。

我假设这是由于我的 anaconda 中的软件包没有更新我也将我的 keras 更新到了最新版本。

任何帮助现在都很好，请帮助。

【问题讨论】：

您是否将 Colab 中的软件包版本与您环境中的软件包版本进行了比较？请分享整个错误消息。

标签： python jupyter-notebook anaconda package google-colaboratory

【解决方案1】：

在构建深度卷积生成对抗网络 (DCGAN) 时，我遇到了类似的问题。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，即 TensorFlow 缺少 get_default_graph。

我检查了我的 TensorFlow 版本，我都在运行 2.2.0。

我在网上做了一些挖掘，并通过更改我的包裹发现了这一点从“keras.layers.x”安装到“tensorflow.keras.layers.x”我可以修复此错误。

它奏效了！嗯，有点。该错误不再阻止我实例化我的生成器网络，我可以很好地运行该单元。然而，当我实际训练 GAN 并开始生成图像时，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，它按预期工作）。我完全困惑为什么 Jupyter Labs 和 Colab 的行为如此不同，希望社区提供任何上下文/解释！

【讨论】：