質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

88.59%

kerasでcifer10のディープラーニング

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 1,789

yukkys

score 40

 前提・実現したいこと

Kerasでcifer10のディープラーニングを試したいです。
fit時にエラーが発生しました。

 参考ページ

AidemyのCNN画像認識
https://aidemy.net/courses/5100/exercises/BJdU__iTHf

 発生している問題・エラーメッセージ

>>fit = model.fit(X_train, y_train,
batch_size=128,
epochs=10,
verbose=1,
)

ValueError: Error when checking target: expected activation_6 to have shape (None, 10) but got array with shape (50000, 1)

 該当のソースコード

#データロード、作成
(X_train, y_train), (X_test, y_test) = cifar10.load_data()
X_train = X_train.astype(np.float32) / 255.0
X_test = X_test.astype(np.float32) / 255.0

print(X_train.shape, y_train.shape, X_test.shape, y_test.shape)
#(50000, 32, 32, 3) (50000, 1) (10000, 32, 32, 3) (10000, 1)

#モデル定義
model = Sequential()
model.add(Conv2D(32, (3, 3), padding='same',
                 input_shape=X_train.shape[1:]))
model.add(Activation('relu'))
model.add(Conv2D(32, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPool2D(pool_size=(2, 2)))
model.add(Dropout(0.25))

model.add(Conv2D(64, (3, 3), padding='same'))
model.add(Activation('relu'))
model.add(Conv2D(64, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPool2D(pool_size=(2, 2)))
model.add(Dropout(0.25))

model.add(Flatten())
model.add(Dense(512))
model.add(Activation('relu'))
model.add(Dropout(0.5))
model.add(Dense(10))
model.add(Activation('softmax'))

#モデルコンパイル
model.compile(optimizer='rmsprop',
              loss='categorical_crossentropy',
              metrics=['accuracy'])

# 学習
fit = model.fit(X_train, y_train,
              batch_size=128,
              epochs=10,
              verbose=1,
                )


想定されている入力の行列と入ってくる行列の形式が違う?とか、入力と出力で形式がおかしいみたいなそんな感じのエラーなのかなとは思うのですが、どう直せば良いものかわかりません。。。

 補足情報(FW/ツールのバージョンなど)

bleach (1.5.0)
certifi (2018.1.18)
chardet (3.0.4)
cycler (0.10.0)
decorator (4.2.1)
entrypoints (0.2.3)
enum34 (1.1.6)
graphviz (0.8)
h5py (2.7.0)
html5lib (0.9999999)
idna (2.6)
ipykernel (4.8.0)
ipython (6.2.1)
ipython-genutils (0.2.0)
ipywidgets (7.0.0)
jedi (0.11.1)
Jinja2 (2.10)
jsonschema (2.6.0)
jupyter-client (5.2.2)
jupyter-core (4.4.0)
jupyterlab (0.29.0)
jupyterlab-launcher (0.5.5)
Markdown (2.6.11)
MarkupSafe (1.0)
matplotlib (2.1.0)
mecab-python3 (0.7)
mistune (0.8.3)
nbconvert (5.3.1)
nbformat (4.4.0)
nltk (3.2.5)
notebook (5.2.0)
numpy (1.14.0)
opencv-python (3.3.0.10)
pandas (0.21.0)
pandocfilters (1.4.2)
parso (0.1.1)
pexpect (4.3.1)
pickleshare (0.7.4)
Pillow (5.0.0)
pip (9.0.1)
plotly (2.2.0)
prompt-toolkit (1.0.15)
protobuf (3.5.1)
ptyprocess (0.5.2)
pydotplus (2.0.0)
Pygments (2.2.0)
pyparsing (2.2.0)
python-dateutil (2.6.1)
pytz (2017.3)
pyzmq (16.0.4)
requests (2.18.4)
scikit-learn (0.19.0)
scipy (1.0.0)
setuptools (28.8.0)
simplegeneric (0.8.1)
six (1.11.0)
tensorflow (1.4.0)
tensorflow-tensorboard (0.4.0rc3)
terminado (0.8.1)
testpath (0.3.1)
tornado (4.5.3)
traitlets (4.3.2)
urllib3 (1.22)
wcwidth (0.1.7)
Werkzeug (0.14.1)
wheel (0.30.0)
widgetsnbextension (3.0.8)
keras '2.0.8-tf' #追記

 追記:モデルサマリー

Layer (type)                 Output Shape              Param    

conv2d_1 (Conv2D)            (None, 32, 32, 32)        896       


activation_1 (Activation)    (None, 32, 32, 32)        0         


conv2d_2 (Conv2D)            (None, 30, 30, 32)        9248      


activation_2 (Activation)    (None, 30, 30, 32)        0         


max_pooling2d_1 (MaxPooling2 (None, 15, 15, 32)        0         


dropout_1 (Dropout)          (None, 15, 15, 32)        0         


conv2d_3 (Conv2D)            (None, 15, 15, 64)        18496     


activation_3 (Activation)    (None, 15, 15, 64)        0         


conv2d_4 (Conv2D)            (None, 13, 13, 64)        36928     


activation_4 (Activation)    (None, 13, 13, 64)        0         


max_pooling2d_2 (MaxPooling2 (None, 6, 6, 64)          0         


dropout_2 (Dropout)          (None, 6, 6, 64)          0         


flatten_1 (Flatten)          (None, 2304)              0         


dense_1 (Dense)              (None, 512)               1180160   


activation_5 (Activation)    (None, 512)               0         


dropout_3 (Dropout)          (None, 512)               0         


dense_2 (Dense)              (None, 10)                5130      


activation_6 (Activation)    (None, 10)                0         

Total params: 1,250,858
Trainable params: 1,250,858
Non-trainable params: 0


  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

質問への追記・修正、ベストアンサー選択の依頼

  • 退会済みユーザー

    退会済みユーザー

    2018/02/28 13:17

    kerasのバージョン情報も置いといてください。

    キャンセル

  • 退会済みユーザー

    退会済みユーザー

    2018/02/28 14:48

    kerasのapiは少しずつ変わっていっているので、なるだけサンプルコードと合わせておいたほうがいいみたいです。以前にマイナーバージョンの違いでこけているのを見かけました。2018年2月28日時点でのRelease版は2.1.4です。

    キャンセル

回答 1

checkベストアンサー

0

yの値が (50000, 1) 、つまり最終的に1つの値なので、出力層のニューロンは1つを想定しています。
プログラムの方は、最後が Dense(10)になっていて、出力層のニューロンは10つを想定しています。
この違いのために、エラーではないでしょうか?

y_train と y_testを

Y_train = np_utils.to_categorical(y_train, 10)
Y_test = np_utils.to_categorical(y_test, 10)


のようにして、出力層のニューロン数を10つにすればなおるかと思います。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/02/28 14:00

    ありがとうございます!kerasのバージョン違いか何かでimportがうまくいかなかったので、こんな感じでやったらいけました!現在学習中です。

    from tensorflow.python.keras.utils import to_categorical
    Y_train = to_categorical(y_train, 10)
    Y_test = to_categorical(y_test, 10)
    print(X_train.shape, Y_train.shape, X_test.shape, Y_test.shape)
    #(50000, 32, 32, 3) (50000, 10) (10000, 32, 32, 3) (10000, 10)

    fit = model.fit(X_train, Y_train,
    batch_size=128,
    epochs=10,
    verbose=1,
    )

    --------------------------
    理由まで書いてくださってありがとうございました。おかげさまでNNの理解がまた深まりました。

    キャンセル

  • 2018/03/01 16:02

    うまく動作したようでよかったです。
    お互い頑張りましょう

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 88.59%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る