使用Python中Librosa库map函数生成频谱图时遇位置参数错误

错误原因 #

你的代码在map中报错的核心问题是：

• TensorFlow数据集的map函数传递给preprocess的是tf.Tensor对象，而librosa.load无法直接处理tf.string类型的张量，它只能接收Python字符串/bytes或本地文件路径字符串。
• 单独调用时你用了train.as_numpy_iterator().next()，得到的是原始bytes和数值，所以函数能正常执行，但批量处理时map传递的是Tensor，导致mel_spec函数参数不兼容，触发位置参数错误。

修正方案 #

使用tf.py_function包装你的预处理函数，让它能在TensorFlow数据管道中处理numpy数据。具体修改如下：

1. 调整预处理函数（兼容numpy输入） #

原函数无需大幅修改，只需将传入的Tensor转为numpy值即可：

def preprocess(file_path, label): 
    # 将tf.Tensor转为可被librosa处理的字符串/数值
    file_path_np = file_path.numpy().decode('utf-8')  # bytes类型转字符串
    label_np = label.numpy()
    
    spectrogram = mel_spec(file_path_np)
    spectrogram = tf.expand_dims(spectrogram, axis=2)
    return spectrogram, label_np

2. 用tf.py_function包装后传入map #

在调用map时，用tf.py_function封装预处理逻辑，同时指定输出张量的类型和形状：

def tf_preprocess(file_path, label):
    # 包装预处理函数，定义输入输出类型
    spec, lbl = tf.py_function(
        func=preprocess,
        inp=[file_path, label],
        Tout=[tf.float32, tf.float32]  # 对应频谱图和标签的数据类型
    )
    # 手动设置频谱图的固定形状（根据你的mel_spec输出调整，示例为256个梅尔频段）
    spec.set_shape((256, None, 1))
    lbl.set_shape(())
    return spec, lbl

# 将处理逻辑应用到数据集
train = train.map(tf_preprocess)

3. 可选：统一音频长度（避免后续CNN报错） #

如果你的音频文件长度不一致，生成的频谱图时间维度会有差异，建议在mel_spec中统一长度：

def mel_spec(af):
    y, sr = librosa.load(af, sr=None)
    # 统一音频长度为4秒（可根据需求调整）
    target_len = sr * 4
    if len(y) < target_len:
        y = np.pad(y, (0, target_len - len(y)), mode='constant')
    else:
        y = y[:target_len]
    
    S = librosa.feature.melspectrogram(y=y, sr=sr, n_mels=256)
    mel_spectogram = librosa.amplitude_to_db(S, ref=np.max)
    return mel_spectogram

验证方法 #

修改后可以用以下代码测试批量处理是否正常：

for spec, lbl in train.take(1):
    print(spec.shape, lbl.numpy())

内容的提问来源于stack exchange，提问作者Silent