【CNN】画像サイズ変更時のプログラム変更箇所について

Question

下記のコードを参考にして画像サイズを変更させたものを実行させたいと思っています。

#!/usr/bin/env python
 # -*- coding: utf-8 -*-
 import sys
 import cv2
 import numpy as np
 import tensorflow as tf
 import tensorflow.python.platform

 NUM_CLASSES = 3
 IMAGE_SIZE = 28
 IMAGE_PIXELS = IMAGE_SIZE*IMAGE_SIZE*3

 flags = tf.app.flags
 FLAGS = flags.FLAGS
 flags.DEFINE_string('train', 'train.txt', 'File name of train data')
 flags.DEFINE_string('test', 'test.txt', 'File name of train data')
 flags.DEFINE_string('train_dir', '/mnt/c/linux/data', 'Directory to put the training data.')
 flags.DEFINE_integer('max_steps', 200, 'Number of steps to run trainer.')
 flags.DEFINE_integer('batch_size', 10, 'Batch size'
                      'Must divide evenly into the dataset sizes.')
 flags.DEFINE_float('learning_rate', 1e-4, 'Initial learning rate.')

 def inference(images_placeholder, keep_prob):
     """ 予測モデルを作成する関数

    引数: 
       images_placeholder: 画像のplaceholder
       keep_prob: dropout率のplace_holder

     返り値:
       y_conv: 各クラスの確率(のようなもの)
     """
     # 重みを標準偏差0.1の正規分布で初期化
    def weight_variable(shape):
       initial = tf.truncated_normal(shape, stddev=0.1)
       return tf.Variable(initial)

     # バイアスを標準偏差0.1の正規分布で初期化
    def bias_variable(shape):
       initial = tf.constant(0.1, shape=shape)
       return tf.Variable(initial)

     # 畳み込み層の作成
    def conv2d(x, W):
       return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

     # プーリング層の作成
    def max_pool_2x2(x):
       return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
                             strides=[1, 2, 2, 1], padding='SAME')
     
     # 入力を28x28x3に変形
    x_image = tf.reshape(images_placeholder, [-1, 28, 28, 3])

     # 畳み込み層1の作成
    with tf.name_scope('conv1') as scope:
         W_conv1 = weight_variable([5, 5, 3, 32])
         b_conv1 = bias_variable([32])
         h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)

     # プーリング層1の作成
    with tf.name_scope('pool1') as scope:
         h_pool1 = max_pool_2x2(h_conv1)
     
     # 畳み込み層2の作成
    with tf.name_scope('conv2') as scope:
         W_conv2 = weight_variable([5, 5, 32, 64])
         b_conv2 = bias_variable([64])
         h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)

     # プーリング層2の作成
    with tf.name_scope('pool2') as scope:
         h_pool2 = max_pool_2x2(h_conv2)

     # 全結合層1の作成
    with tf.name_scope('fc1') as scope:
         W_fc1 = weight_variable([7*7*64, 1024])
         b_fc1 = bias_variable([1024])
         h_pool2_flat = tf.reshape(h_pool2, [-1, 7*7*64])
         h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)
         # dropoutの設定
        h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)

     # 全結合層2の作成
    with tf.name_scope('fc2') as scope:
         W_fc2 = weight_variable([1024, NUM_CLASSES])
         b_fc2 = bias_variable([NUM_CLASSES])

     # ソフトマックス関数による正規化
    with tf.name_scope('softmax') as scope:
         y_conv=tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2)

     # 各ラベルの確率のようなものを返す
    return y_conv

 def loss(logits, labels):
     """ lossを計算する関数

    引数:
       logits: ロジットのtensor, float - [batch_size, NUM_CLASSES]
       labels: ラベルのtensor, int32 - [batch_size, NUM_CLASSES]

     返り値:
       cross_entropy: 交差エントロピーのtensor, float

     """

     # 交差エントロピーの計算
    cross_entropy = -tf.reduce_sum(labels*tf.log(logits))
     # TensorBoardで表示するよう指定
    tf.scalar_summary("cross_entropy", cross_entropy)
     return cross_entropy

 def training(loss, learning_rate):
     """ 訓練のOpを定義する関数

    引数:
       loss: 損失のtensor, loss()の結果
      learning_rate: 学習係数

    返り値:
       train_step: 訓練のOp

     """

     train_step = tf.train.AdamOptimizer(learning_rate).minimize(loss)
     return train_step

 def accuracy(logits, labels):
     """ 正解率(accuracy)を計算する関数

    引数: 
       logits: inference()の結果
      labels: ラベルのtensor, int32 - [batch_size, NUM_CLASSES]

     返り値:
       accuracy: 正解率(float)

     """
     correct_prediction = tf.equal(tf.argmax(logits, 1), tf.argmax(labels, 1))
     accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
     tf.scalar_summary("accuracy", accuracy)
     return accuracy

 if __name__ == '__main__':
     # ファイルを開く
    f = open(FLAGS.train, 'r')
     # データを入れる配列
    train_image = []
     train_label = []
     for line in f:
         # 改行を除いてスペース区切りにする
        line = line.rstrip()
         l = line.split()
         # データを読み込んで28x28に縮小
        img = cv2.imread(l[0])
         img = cv2.resize(img, (28, 28))
         # 一列にした後、0-1のfloat値にする
        train_image.append(img.flatten().astype(np.float32)/255.0)
         # ラベルを1-of-k方式で用意する
        tmp = np.zeros(NUM_CLASSES)
         tmp[int(l[1])] = 1
         train_label.append(tmp)
     # numpy形式に変換
    train_image = np.asarray(train_image)
     train_label = np.asarray(train_label)
     f.close()

     f = open(FLAGS.test, 'r')
     test_image = []
     test_label = []
     for line in f:
         line = line.rstrip()
         l = line.split()
         img = cv2.imread(l[0])
         img = cv2.resize(img, (28, 28))
         test_image.append(img.flatten().astype(np.float32)/255.0)
         tmp = np.zeros(NUM_CLASSES)
         tmp[int(l[1])] = 1
         test_label.append(tmp)
     test_image = np.asarray(test_image)
     test_label = np.asarray(test_label)
     f.close()
     
     with tf.Graph().as_default():
         # 画像を入れる仮のTensor
         images_placeholder = tf.placeholder("float", shape=(None, IMAGE_PIXELS))
         # ラベルを入れる仮のTensor
         labels_placeholder = tf.placeholder("float", shape=(None, NUM_CLASSES))
         # dropout率を入れる仮のTensor
         keep_prob = tf.placeholder("float")

         # inference()を呼び出してモデルを作る
        logits = inference(images_placeholder, keep_prob)
         # loss()を呼び出して損失を計算
        loss_value = loss(logits, labels_placeholder)
         # training()を呼び出して訓練
        train_op = training(loss_value, FLAGS.learning_rate)
         # 精度の計算
        acc = accuracy(logits, labels_placeholder)

         # 保存の準備
        saver = tf.train.Saver()
         # Sessionの作成
        sess = tf.Session()
         # 変数の初期化
        sess.run(tf.initialize_all_variables())
         # TensorBoardで表示する値の設定
        summary_op = tf.merge_all_summaries()
         summary_writer = tf.train.SummaryWriter(FLAGS.train_dir, sess.graph_def)
         
         # 訓練の実行
        for step in range(FLAGS.max_steps):
             for i in range(len(train_image)/FLAGS.batch_size):
                 # batch_size分の画像に対して訓練の実行
                batch = FLAGS.batch_size*i
                 # feed_dictでplaceholderに入れるデータを指定する
                sess.run(train_op, feed_dict=
                  images_placeholder: train_image[batch:batch+FLAGS.batch_size],
                   labels_placeholder: train_label[batch:batch+FLAGS.batch_size],
                   keep_prob: 0.5})

             # 1 step終わるたびに精度を計算する
            train_accuracy = sess.run(acc, feed_dict={
                 images_placeholder: train_image,
                 labels_placeholder: train_label,
                 keep_prob: 1.0})
             print "step %d, training accuracy %g"%(step, train_accuracy)

             # 1 step終わるたびにTensorBoardに表示する値を追加する
            summary_str = sess.run(summary_op, feed_dict={
                 images_placeholder: train_image,
                 labels_placeholder: train_label,
                 keep_prob: 1.0})
             summary_writer.add_summary(summary_str, step)

     # 訓練が終了したらテストデータに対する精度を表示
    print "test accuracy %g"%sess.run(acc, feed_dict={
         images_placeholder: test_image,
         labels_placeholder: test_label,
         keep_prob: 1.0})

     # 最終的なモデルを保存
    save_path = saver.save(sess, "model.ckpt")

変形している箇所は数字を変更はしました（サイズを56にしたい場合：28→56）

# 入力を28x28x3に変形
x_image = tf.reshape(images_placeholder, [-1, 28, 28, 3])
....
img = cv2.resize(img, (28, 28))

しかし下記のようなエラーが出てしまいました。

・・・
InvalidArgumentError: Incompatible shapes: [10,5] vs. [160,5]
	 [[Node: gradients/mul_grad/BroadcastGradientArgs = BroadcastGradientArgs[T=DT_INT32, _device="/job:localhost/replica:0/task:0/device:CPU:0"](gradients/mul_grad/Shape, gradients/mul_grad/Shape_1)]]
・・・・

何となくですが全結合層の値も変える必要があると思うのですが
サイズの変化に対してどのように変えればいいかわかりません。
どなたか教えていただけると幸いです。

Answer 1

各層（主に畳み込みとプーリング）の操作によって要素数がどのように変化するのかは教科書に書いてありますし、インターネット上に豊富な情報があります。
https://teratail.com/questions/103659

それらを勉強する気がないのであれば、TensorflowではなくKerasを使うことで、煩わしさから開放されます。

他にもTensorflowのテンソルのShapeを取得するメソッド.get_shape()があるので、機械的に処理させることもできます。

Comments

[ttmm]

調べつつやって全結合層の値を（画像のサイズが28の場合⇒7,56の場合⇒14）変えてやってみても
同じようなエラーが出てしまっていたので質問させていただきました。
もう少し自分で調べてみます

[mkgrei]

状況を把握しました。
変更後にエラーが出たコードそのものを添付していただけませんか。
またエラーの全文もできれば。

Answer 2

FC 層手前の 1 次元化については、訓練部 inference に以下の関数を追加して

    def linearize(x):
        x_shape = x.get_shape().as_list()
        x_length = np.prod(x_shape[1:])
        return tf.reshape(x, [-1, x_length]), x_length

FC 層 で

    linear, linear_length = linearize(h_pool2)

    with tf.name_scope('fc1') as scope:
        W_fc1 = weight_variable([linear_length, 1024])
        b_fc1 = bias_variable([1024])
        h_fc1 = tf.nn.relu(tf.matmul(linear, W_fc1) + b_fc1)
        h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)

としておけば、畳み込み・プーリング後の画像サイズを計算する必要もありません。

Comments

[ttmm]

ありがとうございます。
プログラムを参考に反映した結果、動きました。

# 全結合層1の作成
with tf.name_scope('fc1') as scope:
W_fc1 = weight_variable([7*7*64, 1024])
b_fc1 = bias_variable([1024])
h_pool2_flat = tf.reshape(h_pool2, [-1, 7*7*64])
h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)
# dropoutの設定
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)
のなかの
h_pool2_flat = tf.reshape(h_pool2, [-1, 7*7*64])
の一行がいらなかったみたいです。
ありがとうございます。