小编jon*_*nor的帖子

所以我想将频谱图图像提供给卷积神经网络，以尝试对各种声音进行分类。我希望每个图像都是 384x128 像素。但是，当我实际保存图像时，它只有 297x98。这是我的代码：

def save_spectrogram(num):
  dpi = 128
  x_pixels = 384
  y_pixels = 128
  samples, sr = load_wave(num)
  stft = np.absolute(librosa.stft(samples))
  db = librosa.amplitude_to_db(stft, ref=np.max)
  fig = plt.figure(figsize=(x_pixels//dpi, y_pixels//dpi), dpi=dpi, frameon=False)
  ax = fig.add_subplot(111)
  ax.axes.get_xaxis().set_visible(False)
  ax.axes.get_yaxis().set_visible(False)
  ax.set_frame_on(False)
  librosa.display.specshow(db, y_axis='linear')
  plt.savefig(TRAIN_IMG+str(num)+'.jpg', bbox_inches='tight', pad_inches=0, dpi=dpi)

有没有人对我如何解决这个问题有任何指示？我也试过在没有子图的情况下这样做，但是当我这样做时，它仍然保存为错误的大小并且有空白/背景。

我安装了 librosa，现在我尝试导入它

import librosa

由于某种原因，这让我出现了这个错误

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "C:\Users\Asish nayak\AppData\Local\Programs\Python\Python38-32\lib\site-packages\librosa\__init__.py", line 12, in <module>
    from . import core
  File "C:\Users\Asish nayak\AppData\Local\Programs\Python\Python38-32\lib\site-packages\librosa\core\__init__.py", line 125, in <module>
    from .time_frequency import *  # pylint: disable=wildcard-import
  File "C:\Users\Asish nayak\AppData\Local\Programs\Python\Python38-32\lib\site-packages\librosa\core\time_frequency.py", line 11, in <module>
    from ..util.exceptions import ParameterError
  File "C:\Users\Asish nayak\AppData\Local\Programs\Python\Python38-32\lib\site-packages\librosa\util\__init__.py", line 77, in <module>
    from .utils import *  # pylint: disable=wildcard-import
  File "C:\Users\Asish nayak\AppData\Local\Programs\Python\Python38-32\lib\site-packages\librosa\util\utils.py", line 15, in <module>
    from .decorators import deprecated
  File "C:\Users\Asish nayak\AppData\Local\Programs\Python\Python38-32\lib\site-packages\librosa\util\decorators.py", …

不过我有一个问题。我从某人那里听说在 R 中，你可以使用额外的包来提取在 RF 中实现的决策规则，我尝试在 python 中搜索同样的东西，但没有运气，如果有任何关于如何实现的帮助。提前致谢！

我正在开发一个 TinyML 项目，使用 Tensorflow Lite 以及量化模型和浮点模型。在我的管道中，我使用 API 训练模型tf.keras，然后将模型转换为 TFLite 模型。最后，我将 TFLite 模型量化为 int8。我可以使用API
保存和加载“正常”张量流模型model.savetf.keras.model.load_model

是否可以对转换后的 TFLite 模型执行相同的操作？每次都要经历量化过程是相当耗时的。