我在jupyter笔记本上运行sketch_n.ipynb,在加载环境以加载经过训练的数据集时,它返回一个错误“当allow_npickle=False时无法加载对象数组”

这是google开发人员在开发sketch_nrnn算法时已经使用的代码,该算法甚至在google colab中运行。在过去,我自己在google colab上运行过它,它很有用,但似乎不在我自己的jupyter笔记本上运行from magenta.models.sketch_rnn.sketch_rnn_train import *

from magenta.models.sketch_rnn.model import *

from magenta.models.sketch_rnn.utils import *

from magenta.models.sketch_rnn.rnn import *

model_params.batch_size = 1

eval_model_params = sketch_rnn_model.copy_hparams(model_params)

eval_model_params.use_input_dropout = 0

eval_model_params.use_recurrent_dropout = 0

eval_model_params.use_output_dropout = 0

eval_model_params.is_training = 0

sample_model_params = sketch_rnn_model.copy_hparams(eval_model_params)

sample_model_params.max_seq_len = 1

return [model_params, eval_model_params, sample_model_params]

[train_set, valid_set, test_set, hps_model, eval_hps_model,

sample_hps_model] = load_env_compatible(data_dir, model_dir)

我希望输出是INFO:tensorflow:Downloading http://github.com/hardmaru/sketch-rnn-

datasets/raw/master/aaron_sheep/aaron_sheep.npz

INFO:tensorflow:Loaded 7400/300/300 from aaron_sheep.npz

INFO:tensorflow:Dataset combined: 8000 (7400/300/300), avg len 125

INFO:tensorflow:model_params.max_seq_len 250.

total images <= max_seq_len is 7400

total images <= max_seq_len is 300

total images <= max_seq_len is 300

INFO:tensorflow:normalizing_scale_factor 18.5198.

但它给了我ValueError: Object arrays cannot be loaded when allow_pickle=False

allow_pickle什么意思_如何修复草图算法中“当allow_pickle=False时无法加载对象数组”...相关推荐

  1. critic法计算_对于强化学习算法中的AC算法(Actor-Critic算法) 的一些理解

    AC算法(Actor-Critic算法)最早是由<Neuronlike Adaptive Elements That Can Solve Difficult Learning Control P ...

  2. 【Android 热修复】热修复原理 ( 合并两个 Element[] dexElements | 自定义 Application 加载 Dex 设置 | 源码资源 )

    文章目录 一.合并两个 Element[] dexElements 二. 完整修复包加载工具类 三. 源码资源 一.合并两个 Element[] dexElements 在 [Android 热修复] ...

  3. mysql 读取文件_关于mysql:逐行读取文件而不将整个文件加载到内存中

    我正在使用50 Gb MySQL导出文件,并对其执行脚本操作列表以转换为SQLite3可加载形式(我从这里得到的线索:脚本将mysql dump sql文件转换为可以导入sqlite3的格式D b ) ...

  4. 懒加载和预加载的区别_类的动态创建(ro,rw)amp; 懒加载类和非懒加载类底层加载的区别 amp; 类和分类的搭配分析...

    黑客技术点击右侧关注,了解黑客的世界! Java开发进阶点击右侧关注,掌握进阶之路! Python开发点击右侧关注,探讨技术话题!作者丨OSMin链接:https://juejin.im/post/5 ...

  5. requirejs加载顺序_【requireJS源码学习03】细究requireJS的加载流程

    前言 这个星期折腾了一周,中间没有什么时间学习,周末又干了些其它事情,这个时候正好有时间,我们一起来继续学习requireJS吧 还是那句话,小钗觉得requireJS本身还是有点难度的,估计完全吸收 ...

  6. ElasticSearch学习_陶文3_时间序列数据库的秘密(3)——加载和分布式计算

    加载 如何利用索引和主存储,是一种两难的选择. 选择不使用索引,只使用主存储:除非查询的字段就是主存储的排序字段,否则就需要顺序扫描整个主存储. 选择使用索引,然后用找到的row id去主存储加载数据 ...

  7. flv 开源 修复_如何修复开源软件中的错误

    flv 开源 修复 我们都在同一个团队中,并且都朝着使我们的开源软件变得更好的相同目标努力. 您的小贡献会产生重大影响. 开源软件的支持方式与运行方式同样重要. 如果选择构建令人敬畏的新功能,还是仔细 ...

  8. bms中soh计算方式_原创丨BMS算法中关于健康状态(SOH)的模型设计

    作为消费者我们使用电池的经验往往是用得越久电池的续航就越少,功率性能就越差,总的来说就是动力电池性能会随着"运行使用"不断"性能衰减".在算法层面一般会将&qu ...

  9. bms中soh计算方式_干货丨BMS算法中关于健康状态(SOH)的模型设计来自IND4汽车人叶磊Ray的分享...

    众所周知动力电池系统经过长期运行性能将不断的衰减,如何有效的评估电池健康度SOH(state of health)不仅是计算SOC.SOP等关键参数的重要依据,同时对评判动力电池系统何时需更换.是否可 ...

最新文章

  1. React State和生命周期 3
  2. 华为harmonyos和ios,华为EMUI正式更名为HarmonyOS,看来华为真的是孤注一掷了
  3. eclipse @ 注释为何一写就报错
  4. python中时间模块
  5. Visual Studio 2015 自动生成 的大文件xxx.vc.db的删除问题
  6. Java 数据库连接池的技术选型都应考虑哪些要素
  7. 华为P50 Pro外形首曝:新造型,头次见!
  8. POJ NOI0105-32 求分数序列和
  9. tomcat之组成结构
  10. 公达 TP-POS58G 打印机驱动
  11. 检测计算机无线网卡驱动,win10怎么修复无线网卡驱动 无线网卡驱动修复方法
  12. 【BlueZ5】 如何用MGMT接口实现ble slave
  13. 农场经营区块链游戏-CropBytes,扮演角色经营你的农场
  14. java 字符串模糊匹配
  15. Oracle LiveLabs实验: Pluggables, Clones and Containers: Oracle Multitenant Fundamentals Workshop
  16. 华为鸿蒙os适配机型曝光,手机资讯导报:华为鸿蒙OS2.0首批适配机型曝光
  17. 18-03 MySQL高可用方案与选择
  18. 计算机论文 内容要点 或提纲,论文提纲格式及写法要点 论文提纲格式
  19. USB规范中EHCI,UHCI,OHCI区别
  20. 2021年欧盟地区谷物种植面积、产量及消费量情况分析:小麦库存量同比下降9.6%[图]

热门文章

  1. haspusersetup 安装后har 蓝屏_电脑蓝屏90%的人不知道怎么办?
  2. java docur,JavaDoc生成API详解
  3. java内存stack heap_java内存解析-------stack(栈)和heap(堆)的理解
  4. python二分法查找时间点_Python 二分法查找
  5. vega56刷64_Vega56刷入BIOS跑分直逼旗舰Vega64
  6. mac修改jupyter notebook启动时的打开目录
  7. Python 学习过程问题记录
  8. 使用 JSON JavaScriptSerializer 进行序列化或反序列化时出错。字符串的长度超过了为 maxJsonLength 属性设置的值。...
  9. Deep Learning基础--Softmax求导过程
  10. 我的学习网址(未完)