使用TensorFlow与Librosa生成TFRecord时遇类型错误求助

你遇到的核心问题是MFCC数组转成列表后是嵌套的二维结构，但tf.train.FloatList要求传入的是一维的浮点数序列，而非列表的列表，这才触发了类型错误。

错误原因拆解 #

你的mfcc是形状为(128,1293)的二维numpy数组，调用mfcc.tolist()后得到的是包含128个子列表的嵌套结构，每个子列表里有1293个浮点数。但tf.train.FloatList(value=...)只接受直接的一维浮点数集合，无法识别嵌套列表里的子列表元素，所以抛出了"expected one of: int, long, float"的错误。

修复方案 #

只需要把二维数组展平成一维再转成列表即可，同时注意你代码里的拼写小错误：feartures应该是features，这个细节也可能导致后续解析失败。修改后的关键代码片段如下：

example = tf.train.Example(
    features = tf.train.Features(feature={
        "label":tf.train.Feature(int64_list=tf.train.Int64List(value=[index])),
        "mfcc":tf.train.Feature(float_list=tf.train.FloatList(value=mfcc.flatten().tolist()))
    }))

后续读取注意事项 #

当你后续从TFRecord读取数据时，记得要把展平后的一维数据重新reshape回(128,1293)的原始形状，才能恢复MFCC特征的结构，示例代码如下：

# 假设解析后得到的mfcc_tensor是一维张量
mfcc = tf.reshape(mfcc_tensor, (128, 1293))

内容的提问来源于stack exchange，提问作者tuffy chow