Python 如何修复'；当allow_pickle=False'；在sketch\n算法中

我在jupyter笔记本上运行sketch_rnn.ipynb，加载环境以加载经过训练的数据集时，它返回了一个错误“当allow_pickle=False时无法加载对象数组”

这是google开发人员在开发sketch_rnn算法时已经使用的代码，该算法甚至在google colab中运行。过去我自己在谷歌colab上运行过它，但似乎没有在我自己的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.

---

因此，我相信这是由于numpy to load（）中的一个更改而出现的，如果您观察到发生错误的那一行，它引用了类似的内容

以np.load（路径）作为f：
x_-train，标签_-train=f['x_-train'，f['y_-train']
x_检验，标签_检验=f['x_检验']，f['y_检验']

但是Keras源代码，例如第58行：

现在使用

将np.load（路径，allow_pickle=True）作为f：
x_-train，标签_-train=f['x_-train'，f['y_-train']
x_检验，标签_检验=f['x_检验']，f['y_检验']

其中

np.load（路径）

变成

np.load（路径，布尔）

从简短的阅读中，添加

pickles

与安全性有关，因为

pickles

可以包含在加载某些内容时运行的任意Python代码。（可能与执行SQL注入的方式类似）

---

在用新的参数列表更新np.load之后，它对我的项目起作用了

这段代码解决了我这边的问题

# Downgrate numpy to fix a problem
!pip install numpy==1.16.2
import numpy as np
print(np.__version__)

---

我只是下调了numpy的评级，因为这个问题是由于一些内部冲突造成的

使用allow_pickle=True作为np.load（）的参数之一。

这里的问题与imdb文本分类示例相同。我尝试了上面的代码，但它返回了[Errno 22]无效参数：“…@DuncanJerry，你能添加完整的错误日志吗？我猜罪魁祸首是

load\u env\u compatible（data\u dir，model\u dir）

，其中

load\u env\u compatible

的方法定义调用了某种形式的.load（），需要更新。-->1，其中np.load（data\u dir，allow\u pickle=True）与load\u env\u兼容：2列集、测试集、有效集、hps\u模型，eval_hps_model，sample_hps_model=load_env_compatible（data_dir，model_dir）[Errno 22]无效参数：“”Numpy 1.16.3几天前发布。在发行说明中：“函数np.load（）和np.lib.format.read_array（）采用allow_pickle关键字，响应CVE-2019-6446，该关键字现在默认为False”。降级到1.16.2对我有帮助，因为错误发生在某个库的深处。@DuncanJerry不客气。您可以将其标记为正确答案，以帮助其他人快速找到。在版本1.16.3中更改：响应CVE-2019-6446，将默认值设为False。请看：这是最简单的方法。它工作得很好，因为它实际上按预期处理问题。这是最好的答案。对我来说非常有效。

# Downgrate numpy to fix a problem
!pip install numpy==1.16.2
import numpy as np
print(np.__version__)