K最近傍法を用いた画像の分類

Question

###前提・実現したいこと
K最近傍法で画像の2クラス分類を行っています．
MNIST以外のデータ画像を用いたいと考えていて先日質問させていただき，いいアドバイスをいただいたのですが以下のようなサイズが合わないという別のエラーが生じています．
2000は学習枚数，36.48は画像の高さと幅，1728は画素数の合計なのは把握していますがどうしてこのようなエラーが生じたか，またどうすれば解決し，実行できるかが不明です．

###発生している問題・エラーメッセージ

Traceback (most recent call last):
  File "train9.py", line 54, in <module>
    predicted_value = sess.run(pred,feed_dict={x_train:X_traning, y_train:Y_traning, x_test:X_test[i,:]})
  File "C:\Users\LIP\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\python\client\session.py", line 889, in run
    run_metadata_ptr)
  File "C:\Users\LIP\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\python\client\session.py", line 1096, in _run
    % (np_val.shape, subfeed_t.name, str(subfeed_t.get_shape())))
ValueError: Cannot feed value of shape (2000, 36, 48) for Tensor 'Placeholder:0', which has shape '(?, 1728)'

###該当のソースコード

#K近傍法のコード
import tensorflow as tf
import numpy as np
from load_dataset import load_dataset
 
 
# 学習データ
X_traning,Y_traning = load_dataset('./train_dataset',convert_type='RGB',flatten=True,normalize=True,one_hot_label=True)
X_test,Y_test = load_dataset('./test_dataset',convert_type='RGB',flatten=True,normalize=True,one_hot_label=True)

 
# モデルの入出力の設定
x_train = tf.placeholder(tf.float32, [None,48*36]) #traning input
y_train = tf.placeholder(tf.float32, [None,2]) #traning label
x_test = tf.placeholder(tf.float32, [48*36]) #testing input
 
#　比較する近傍ベクトルの数を設定
K = 3
nearest_neighbors = tf.Variable(tf.zeros([K]))
 
# 入力ベクトルと近傍ベクトルの距離を計算
distance = tf.negative(tf.reduce_sum(tf.abs(tf.add(x_train, tf.negative(x_test))),axis=1)) #L1
# 上でマイナスを付けたので、大きい順に取り出せばいい
values, indices = tf.nn.top_k(distance, k=K, sorted=False)
 
# 近傍値を保存するリスト
nn_vector = []
for i in range(K):
    nn_vector.append(tf.argmax(y_train[indices[i]], 0)) 
 
# 近傍ベクトルのリストをtensorflowの変数へ変換する
nearest_neighbors = nn_vector
 
# クラスラベル、そのインデックス、個数を計算
y, idx, count = tf.unique_with_counts(nearest_neighbors)
"""
例:
x = [1, 1, 2, 4, 4, 4, 7, 8, 8]
y, idx, count = unique_with_counts(x)
y ==> [1, 2, 4, 7, 8]
idx ==> [0, 0, 1, 2, 2, 2, 3, 4, 4]
count ==> [2, 1, 3, 1, 2]
"""
 
# 最も個数の多いクラスを取り出す
pred = tf.slice(y, begin=[tf.argmax(count, 0)], size=tf.constant([1], dtype=tf.int64))[0]
# y = [ 1,  2,  3,  4, 11] count = [3, 2, 2, 7, 1] の時、 1を返す
 
accuracy = 0
init = tf.global_variables_initializer()
 
with tf.Session() as sess:
 
    for i in range(X_test.shape[0]):
        predicted_value = sess.run(pred,feed_dict={x_train:X_traning, y_train:Y_traning, x_test:X_test[i,:]})
 
        print("Test", i, "Prediction", predicted_value, "True Class:", np.argmax(Y_test[i]))
 
        if predicted_value == np.argmax(Y_test[i]):
                accuracy += 1.0
     
    accuracy /= len(Y_test)
    print("Accuracy:", accuracy)

#読み込むデータファイルのコード
from PIL import Image
import numpy as np
import os
try:
    import urllib.request
except ImportError:
    raise ImportError('You should use Python 3.x')
import os.path
import gzip
import pickle
import cv2

def _load_label(file_dir):
    data_files = os.listdir(file_dir)
    labels = []
    for file in data_files:
        l = file.split('-')[0]
        if(l == 'face'):
            labels.append(0)
        elif(l == 'non-face'):
            labels.append(1)

    print("Load label : Done!")

    return np.array(labels)

def _load_img(file_dir,convert_type='L'):
    data_files = os.listdir(file_dir)
    imgs = []
    for file in data_files:
        img = np.frombuffer(np.array(Image.open(file_dir+'/'+file).convert(convert_type)),dtype=np.uint8)
        img = cv2.resize(img, (48, 36))
        imgs.append(img)
    print("Load img : Done!")

    return np.array(imgs)

def _change_one_hot_label(X):
    #2のところは分類したいクラスの数
    T = np.zeros((X.size, 2))
    for idx, row in enumerate(T):
        row[X[idx]] = 1

    return T

def load_dataset(DIR_PATH,convert_type='L',normalize=True,flatten=True,one_hot_label=False):
    labels = _load_label(DIR_PATH)
    imgs = _load_img(DIR_PATH,convert_type)

    if normalize:
        imgs = imgs.astype(np.float32)
        imgs /= 255.0

    if not flatten:
        #用意した画像サイズ(48*36)
        if(convert_type == 'L'):
            imgs = imgs.reshape(-1,1,48,36)
        elif(convert_type == 'RGB'):
            imgs = imgs.reshape(-1,3,48,36)


    if one_hot_label:
        labels = _change_one_hot_label(labels)        

    return imgs,labels

###試したこと
K近傍法のコードと読み込むデータのコードの作成を行いました．
画像は48×32画素のものを用いています．
学習枚数は2000枚，テスト枚数は400枚です．

###補足情報(言語/FW/ツール等のバージョンなど)
Windows10 (64bit)
Python 3.5.4(仮想環境)(Anaconda4.4.0(64bit))
TensorFlow 1.4.0

Answer 1

x_train = tf.placeholder(tf.float32, [None,48,36])
x_test = tf.placeholder(tf.float32, [48,36])
もしくは
predicted_value = sess.run(pred, feed_dict={x_train:X_traning.reshape(-1,48*36), y_train:Y_traning, x_test:X_test[i,:].reshape(-1,48*36)})