kerasのCNNについて

Question

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

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)

Answer 1

image = image.reshape(1, image.shape[0] * image.shape[1] * image.shape[2]).astype("float32")[0]
が余計では？

2D畳み込みするにはXに四つ足が必要です。