使用Librosa与模型预测时遇错误：y应为1D数组，却得到形状(1,10)的数组

执行音频分类预测代码时出现错误提示：y should be a 1d array, got an array of shape (1, 10) instead.

原代码： #

filename="UrbanSound8K/car_horn.wav"
audio, sample_rate = librosa.load(filename, res_type='kaiser_fast') 
mfccs_features = librosa.feature.mfcc(y=audio, sr=sample_rate, n_mfcc=40)
mfccs_scaled_features = np.mean(mfccs_features.T,axis=0)

print(mfccs_scaled_features)
mfccs_scaled_features=mfccs_scaled_features.reshape(1,-1)
print(mfccs_scaled_features)
print(mfccs_scaled_features.shape)
predicted_label=model.predict(mfccs_scaled_features)
print(predicted_label)
prediction_class = labelencoder.inverse_transform(predicted_label) 
prediction_class

错误原因： #

model.predict()返回的是形状为(1,10)的二维数组，对应10个类别的预测概率；而LabelEncoder.inverse_transform()要求输入是1D的类别索引数组，两者形状不匹配导致报错。

解决方法： #

通过np.argmax(predicted_label, axis=1)提取概率最大的类别索引，将二维数组转换为1D数组后，再传入inverse_transform()。

修改后的代码： #

filename="UrbanSound8K/car_horn.wav"
audio, sample_rate = librosa.load(filename, res_type='kaiser_fast') 
mfccs_features = librosa.feature.mfcc(y=audio, sr=sample_rate, n_mfcc=40)
mfccs_scaled_features = np.mean(mfccs_features.T,axis=0)

print(mfccs_scaled_features)
mfccs_scaled_features=mfccs_scaled_features.reshape(1,-1)
print(mfccs_scaled_features)
print(mfccs_scaled_features.shape)
predicted_label=model.predict(mfccs_scaled_features)
print(predicted_label)
# 提取概率最大的类别索引，转换为1D数组
predicted_index = np.argmax(predicted_label, axis=1)
prediction_class = labelencoder.inverse_transform(predicted_index) 
print(prediction_class)

内容的提问来源于stack exchange，提问作者harsh.rupapara141