解决tensorpack里的“cannot import name ‘InputDesc‘“.

首先给出正确的调用：将InputDesc修改为：tf.TensorSpec。

以下是解释，可以选择跳过

今天在学习tensorfPack模块的时候，发现调用到tensorpack库里的InputDesc库的时候，发现这个问题：

from tensorpack.graph_builder.model_desc import ModelDesc, InputDesc

进而找到InputDesc库在代码中的使用如下：

return [InputDesc(tf.float32, (None, None, hp.default.n_mfcc), 'x_mfccs'),
                InputDesc(tf.int32, (None, None,), 'y_ppgs')]

return [InputDesc(tf.float32, (None, n_timesteps, hp.default.n_mfcc), 'x_mfccs'),
                InputDesc(tf.float32, (None, n_timesteps, hp.default.n_fft // 2 + 1), 'y_spec'),
                InputDesc(tf.float32, (None, n_timesteps, hp.default.n_mels), 'y_mel'), ]

从而联想到InputDesc应该是给后面的变量赋值使用类型的，类似于TensorFlow里的tf.placeholder函数，构建一个占位符，但是查看tensorpack.graph_builder.model_desc原函数的时候，并没有发现InputDesc相关的函数，只有ModelDesc函数，上网查找也找不到，下班后也进行了相关的搜索，终于，功夫不负有心人，在万能网github上找到了相关解释：

https://github.com/tensorpack/tensorpack/blob/master/CHANGES.md

这里给出了详细解释：
2019/03/20. The concept of InputDesc was replaced by its equivalent in TF: tf.TensorSpec. This may be a breaking change if you have customized code that relies on internals of InputDesc. To use tf.TensorSpec in your ModelDesc:

def inputs(self):
        return [tf.TensorSpec((None, 28, 28, 1), tf.float32, 'image'),
                tf.TensorSpec((None,), tf.int32, 'label')]

符合“占位符”的理念。
至此大功告成，特记录一下！！！