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!

新規登録して質問してみよう
ただいま回答率
87.20%
Keras

Kerasは、TheanoやTensorFlow/CNTK対応のラッパーライブラリです。DeepLearningの数学的部分を短いコードでネットワークとして表現することが可能。DeepLearningの最新手法を迅速に試すことができます。

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

解決済

kerasのCNNについて

ruuruusann24
ruuruusann24

総合スコア16

Keras

Kerasは、TheanoやTensorFlow/CNTK対応のラッパーライブラリです。DeepLearningの数学的部分を短いコードでネットワークとして表現することが可能。DeepLearningの最新手法を迅速に試すことができます。

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

1回答

0評価

1クリップ

4918閲覧

投稿2018/05/22 00:24

https://qiita.com/hiroeorz@github/items/2fbb3b8d12b0e20f0384
上記の記事を参考にしてkerasでCNNをやってみたのですがエラー文が出てしまいます。
どうすれば解決するのかわかりません。
またConv2Dの使い方について教えてもらえると幸いです。
よろしくお願いします。

以下エラー文

Traceback (most recent call last): File "keras_cnn_animal_search.py", line 78, in <module> model.fit(image_list, Y, nb_epoch=1000, batch_size=25, validation_split=0.1) File "/Users/anaconda3/envs/tf/lib/python3.6/site-packages/keras/models.py", line 960, in fit validation_steps=validation_steps) File "/Users/anaconda3/envs/tf/lib/python3.6/site-packages/keras/engine/training.py", line 1581, in fit batch_size=batch_size) File "/Users/anaconda3/envs/tf/lib/python3.6/site-packages/keras/engine/training.py", line 1414, in _standardize_user_data exception_prefix='input') File "/Users/anaconda3/envs/tf/lib/python3.6/site-packages/keras/engine/training.py", line 141, in _standardize_input_data str(array.shape)) ValueError: Error when checking input: expected conv2d_1_input to have 4 dimensions, but got array with shape (4188, 1875) (tf)

以下コード

python

from keras.models import Sequential from keras.layers import Activation, Dense, Dropout, Conv2D, Flatten, MaxPooling2D 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(Conv2D(32, (3, 3), padding='same', input_shape=(3, 25, 25))) model.add(Activation("relu")) model.add(Conv2D(32, (3, 3))) model.add(Activation("relu")) model.add(MaxPooling2D(pool_size=(2, 2), padding=("same"))) model.add(Dropout(0.25)) model.add(Flatten()) 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=0.0001) # 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=1000, batch_size=25, 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("/Users/ootukarikuto/Desktop/keras/data/test/" + 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/ootukarikuto/Desktop/keras/result_gorilla/" + files) elif result[0] == 0: img = Image.open("/Users/ootukarikuto/Desktop/keras/data/test/" + files) img.save("/Users/ootukarikuto/Desktop/keras/result_not_gorilla/" + files)

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。

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。

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

評価を下げると、トップページの「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。

まだ回答がついていません

会員登録して回答してみよう

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
87.20%

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る

質問する

関連した質問

同じタグがついた質問を見る

Keras

Kerasは、TheanoやTensorFlow/CNTK対応のラッパーライブラリです。DeepLearningの数学的部分を短いコードでネットワークとして表現することが可能。DeepLearningの最新手法を迅速に試すことができます。

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。