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

90.82%

  • Python

    5968questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

import from PIL import Image での save のエラー

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 100

ruuruusann24

score 9

コードの最後のif文内でエラーがでてしまいます。解決方法がわかりません。
よろしくお願いします。
以下エラー文です

Traceback (most recent call last):
  File "keras_animal_search.py", line 100, in <module>
    img.save("/Users/Desktop/keras/result_not_gorilla")
  File "/Users/ootukarikuto/anaconda3/envs/tf/lib/python3.6/site-packages/PIL/Image.py", line 1915, in save
    raise ValueError('unknown file extension: {}'.format(ext))
ValueError: unknown file extension: 
from keras.models import Sequential
from keras.layers import Activation, Dense, Dropout
from keras.utils.np_utils import to_categorical
from keras.optimizers import Adagrad
from keras.optimizers import Adam
import numpy as np
from PIL import Image
import os

#学習用のデータを作る.
image_list = []
label_list = []

# ./data/train 以下のorange,appleディレクトリ以下の画像を読み込む。
for dir in os.listdir("data/train"):
    if dir == ".DS_Store":
        continue


    dir1 = "data/train/" + dir
    label = 0

    if dir == "jungle":
        label = 0
    elif dir == "gorilla":
        label = 1

    for files in os.listdir(dir1):
        if files != ".DS_Store":
            # 配列label_listに正解ラベルを追加(gorilla:0 crow:1 boar:2)
            label_list.append(label)
            filepath = dir1 + "/" + files
            # 画像を25x25pixelに変換し、1要素が[R,G,B]3要素を含む配列の25x25の2次元配列として読み込む。
            # [R,G,B]はそれぞれが0-255の配列。
            image = np.array(Image.open(filepath).resize((25, 25)))
            print(filepath)
            # 配列を変換し、[[Redの配列],[Greenの配列],[Blueの配列]] のような形にする。
            image = image.transpose(2, 0, 1)
            # さらにフラットな1次元配列に変換。最初の1/3はRed、次がGreenの、最後がBlueの要素がフラットに並ぶ。
            image = image.reshape(1, image.shape[0] * image.shape[1] * image.shape[2]).astype("float32")[0]
            # 出来上がった配列をimage_listに追加。
            image_list.append(image / 255.)

# kerasに渡すためにnumpy配列に変換。
image_list = np.array(image_list)

# ラベルの配列を1と0からなるラベル配列に変更
# 0 -> [1,0], 1 -> [0,1] という感じ。
Y = to_categorical(label_list)

# モデルを生成してニューラルネットを構築
model = Sequential()
model.add(Dense(200, input_dim=1875)) #25x25x3(RGB)=1875
model.add(Activation("relu"))
model.add(Dropout(0.2))

model.add(Dense(200))
model.add(Activation("relu"))
model.add(Dropout(0.2))

model.add(Dense(200))
model.add(Activation("relu"))
model.add(Dropout(0.2))

model.add(Dense(2))
model.add(Activation("softmax"))

# オプティマイザにAdamを使用
opt = Adam(lr=0.001)
# モデルをコンパイル
model.compile(loss="categorical_crossentropy", optimizer=opt, metrics=["accuracy"])
# 学習を実行。10%はテストに使用。
model.fit(image_list, Y, nb_epoch=50, batch_size=100, validation_split=0.1)

# テスト用ディレクトリ(./data/train/)の画像でチェック。正解率を表示する。
total = 0.
ok_count = 0.

for dir in os.listdir("data/train"):
    if dir == ".DS_Store":
        continue

    dir1 = "data/test"

    for files in os.listdir(dir1):
        if files != ".DS_Store":
            filepath = dir1 + "/" + files
            image = np.array(Image.open(filepath).resize((25, 25)))
            print(filepath)
            image = image.transpose(2, 0, 1)
            image = image.reshape(1, image.shape[0] * image.shape[1] * image.shape[2]).astype("float32")[0]
            result = model.predict_classes(np.array([image / 255.]))
            print("result:", result[0])

          if result[0] == 1:
                img = Image.open("/Users/ootukarikuto/Desktop/keras/data/test/" + files)
                img.save("/Users/Desktop/keras/result_gorilla",image)
            elif result[0] == 0:
                img = Image.open("/Users/ootukarikuto/Desktop/keras/data/test/" + files)
                img.save("/Users/Desktop/keras/result_not_gorilla",image)
  • 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
    • 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

  • ruuruusann24

    2018/05/20 19:33

    すみません、if文内を変更したのですがうまく行きません、どのように変更したら良いでしょうか。。。

    キャンセル

  • hayataka2049

    2018/05/20 19:34 編集

    書き換えたならエラーの出方も変わると思うので、どんな風にうまくいかない状況なのかを書いた方が適切な回答がつくとおもいます

    キャンセル

  • ruuruusann24

    2018/05/20 19:39

    度々すみません、質問を変更しました、よろしくお願いします。

    キャンセル

回答 1

checkベストアンサー

+1

前後のコードから、識別結果にそって画像データを保存したいと思います。
画像データはnumpyのarray形式なので、np.save(files,image)にするとうまくいくと思います

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。

  • 2018/05/20 19:38

    すみません、np.saveの使い方がよくわかりませんでした、質問を変更したのでよろしくお願いします。。。

    キャンセル

  • 2018/05/20 22:16

    画像を画像のまま保存するのであれば、save()メソッドでうまくいきます。質問のコードの場合、imageが画像オブジェクトなので、save(保存したいファイル名)とします。質問のコードはディレクトリまでしかないので、ファイル名まで指定するに修正すれば動きます

    キャンセル

  • 2018/05/20 23:31

    ありがとうございます!!解決しました!また何かあったらよろしくお願いします!

    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 90.82%
  • 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

  • 解決済

    Kerasで訓練データにIDがある場合のベストプラクティスについて

    前提・実現したいこと 一般的なcsvデータをKerasに食わせて他クラス分類を行おうと思っているのですが、 訓練データに含まれるID系のデータの扱いについて困っております。 ID系

  • 解決済

    画像認識課題での入力画像のサイズ変更

    ディープラーニングで、自分のモデルが200×200のサイズを入力として想定していて、それに対して190×200とか色々なサイズの画像を入力する場合は、直前にリサイズ(例えば、Ker

  • 解決済

    tensorflow+kerasでの分類

    前提・実現したいこと data/testのフォルダの中に三つのフォルダがあり、それぞれアウター、パンツ、シャツの画像を入れています。 この三つの種類の画像自体を一つのフォルダにまと

  • 解決済

    CNNの比較、改善点

     知りたいこと cyfer10に使用したCNNでなぜこのような差が出たのか、してはいけないことが含まれていたのか。 aidemyに使われていたCNNと層よりも、より層を増やして適当

  • 解決済

    Kerasでファインチューニング

     前提・実現したいこと 画像分類モデルを作成しています。 その際、Kerasでファインチューニングに挑戦しています。 InceptionやInceptionResNetV2のファイ

  • 解決済

    Tensorflow, kerasで作成したCNNモデルの使い方

     やりたいこと APIで画像分析を今までやってきましたが、もっと深い画像分析をやりたいと思いtensorflowとkerasを使って勉強をはじめました。まずは、イメージを掴むためk

  • 解決済

    kerasによる機械学習において損失係数が低下しない問題、中間層の設定について

    加速度・ジャイロを回転行列で計算し、xyzの3次元で出力したデータを、ravel()で時間軸なしで1次元にしたデータで分類器を作成したく、機械学習を行なっています。 特徴量Xとして

  • 解決済

    KerasでSegnetを行いたい

    こちらのサイトを参考にセグメンテーションを行おうと思っています。コードはこちらのものを使っています。 https://qiita.com/uni-3/items/a62daa5a0

同じタグがついた質問を見る

  • Python

    5968questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。