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
python
1Traceback (most recent call last): 2 File "keras_cnn_animal_search.py", line 78, in <module> 3 model.fit(image_list, Y, nb_epoch=300, batch_size=100, validation_split=0.1) 4 File "/Users/anaconda3/envs/tf/lib/python3.6/site-packages/keras/models.py", line 960, in fit 5 validation_steps=validation_steps) 6 File "/Users/anaconda3/envs/tf/lib/python3.6/site-packages/keras/engine/training.py", line 1581, in fit 7 batch_size=batch_size) 8 File "/Users/anaconda3/envs/tf/lib/python3.6/site-packages/keras/engine/training.py", line 1414, in _standardize_user_data 9 exception_prefix='input') 10 File "/Users/anaconda3/envs/tf/lib/python3.6/site-packages/keras/engine/training.py", line 141, in _standardize_input_data 11 str(array.shape)) 12ValueError: Error when checking input: expected conv2d_1_input to have 4 dimensions, but got array with shape (4188, 1875) 13(tf) 14
以下コードです。
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=300, 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("/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)
バッドをするには、ログインかつ
こちらの条件を満たす必要があります。