AttributeError：模块“matplotlib.mlab”没有属性“bivariate_normal”

Posted 2023-03-16

【中文标题】AttributeError：模块“matplotlib.mlab”没有属性“bivariate_normal”

【英文标题】：AttributeError: module 'matplotlib.mlab' has no attribute 'bivariate_normal'

【发布时间】：2021-02-23 01:51:51

【问题描述】：

我正在使用 Colab 创建一个笔记本，用于训练机器接收字符串并以手写方式输出。我使用this Jupyter notebook 作为如何实现这样的东西的指南，因为这是我用机器学习做过的第一件事。

我已将笔记本中的 TensorFlow 降级到 1.15.2，以避免不同版本支持不同属性的问题 - 主要是因为我引用的上述笔记本是使用 TensorFlow 版本 1.X 创建的。我正在创建的笔记本使用 Python 3。

在下面的代码中，我试图绘制中风概率的高斯图。

def gauss_plot(strokes, title, figsize=(20,2)):
  plt.figure(figsize=figsize)

  buff = 1
  epsilon = 1e-4
  minx= np.min(strokes[:,0])-buff
  maxx = np.max(strokes[:,0])+buff
  miny = np.min(strokes[:,1])-buff
  maxy = np.max(strokes[:,1])+buff
  delta = abs(maxx-minx)/400. ;

  x = np.arange(minx, maxx, delta)
  y = np.arange(miny, maxy, delta)
  X, Y = np.meshgrid(x, y)
  Z = np.zeros_like(X)    

  for i in range(strokes.shape[0]):
    gauss = mlab.bivariate_normal(X, Y, sigmax=strokes[i,2], sigmay=strokes[i,3], mux=strokes[i,0], muy=strokes[i,1], sigmaxy=0.0)
    # gauss = mlab.np.compat.v1.biv_normal(X, Y, sigmax=strokes[i,2], sigmay=strokes[i,3], mux=strokes[i,0], muy=strokes[i,1], sigmaxy = 0.0 )
  Z += gauss * np.power(strokes[i,3] + strokes[i,2], .4)
  plt.title(title, fontsize=20)
  plt.imshow(Z)

gauss_plot(strokes, "Stroke Probability", figsize=(2*model.ascii_steps,4))

我面临的问题是AttributeError: module 'matplotlib.mlab' has no attribute 'bivariate_normal'。我知道这是由于 TensorFlow 2.2.X 以及后来不支持 bivariate_normal 造成的。我遇到问题的部分是找到解决此问题的方法。我尝试通过尝试诸如“tf.compat.v1.__”之类的东西来依赖较旧的 TensorFlow 版本。我还花了几个小时研究较新的 TensorFlow 版本对应的 bivariate_normal 是什么。到目前为止，我没有运气。

我希望通过发布这篇文章，比我更熟悉机器学习的人可能能够让我知道解决这个问题的方法。

完整的错误信息是：

---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-33-174bc4f9cf0b> in <module>()
     22   plt.imshow(Z)
     23 
---> 24 gauss_plot(strokes, "Stroke Probability", figsize=(2*model.ascii_steps,4))

<ipython-input-33-174bc4f9cf0b> in gauss_plot(strokes, title, figsize)
     16 
     17   for i in range(strokes.shape[0]):
---> 18     gauss = mlab.bivariate_normal(X, Y, sigmax=strokes[i,2], sigmay=strokes[i,3], mux=strokes[i,0], muy=strokes[i,1], sigmaxy=0.0)
     19     # gauss = mlab.np.compat.v1.biv_normal(X, Y, sigmax=strokes[i,2], sigmay=strokes[i,3], mux=strokes[i,0], muy=strokes[i,1], sigmaxy = 0.0 )
     20   Z += gauss * np.power(strokes[i,3] + strokes[i,2], .4)

AttributeError: module 'matplotlib.mlab' has no attribute 'bivariate_normal'

【参考方案1】：

错误不是来自 TensorFlow，而是来自 matplotlib。 bivariate_normal() 已从 3.1.0 版的 matplotlib.mlab 模块中删除。 source

快速而肮脏的解决方案是重新实现已弃用的功能。

def bivariate_normal(X, Y, sigmax=1.0, sigmay=1.0,
                 mux=0.0, muy=0.0, sigmaxy=0.0):
    """
    Bivariate Gaussian distribution for equal shape *X*, *Y*.
    See `bivariate normal
    <http://mathworld.wolfram.com/BivariateNormalDistribution.html>`_
    at mathworld.
    """
    Xmu = X-mux
    Ymu = Y-muy

    rho = sigmaxy/(sigmax*sigmay)
    z = Xmu**2/sigmax**2 + Ymu**2/sigmay**2 - 2*rho*Xmu*Ymu/(sigmax*sigmay)
    denom = 2*np.pi*sigmax*sigmay*np.sqrt(1-rho**2)
    return np.exp(-z/(2*(1-rho**2))) / denom

credit