tflearnを用いてnetwork in networkを実装したい

Question

リンク内容

深層学習初心者の学生です
上記のコードを元にして、tflearnを用いたカラー画像のnetwork in networkによるクラス21個の画像分類を行おうとしたのですが途中でエラーが発生してしまい原因がいまいちつかめていません
アドバイスをいただけますと幸いです

画像枚数は各クラス100枚で合計2100枚のものをそれぞれテスト用30枚、トレイン用70枚に分けています

Ubuntu16.04,python3.6,jupyternotebookで実行しています
以下コードです

from __future__ import division, print_function, absolute_import
import tflearn
from tflearn.data_utils import shuffle, to_categorical
from tflearn.layers.core import input_data, dropout, flatten
from tflearn.layers.conv import conv_2d, max_pool_2d, avg_pool_2d
from tflearn.layers.estimator import regression
import numpy as np

num_classes = 21
#arrayの読み込み
X_train, X_test, y_train, y_test = np.load("tf_correct.npy")#X_train.shape=(1470,32,32,3),X_test.shape=(630,32,32,3),y_train.shape=(1470,21),y_test.shape=(630,21)
X_train = X_train.astype("float") / 256
X_test = X_test.astype("float") / 256
y_train = to_categorical(y_train, num_classes)
y_test = to_categorical(y_test, num_classes)

network = input_data(shape=[None, 32, 32, 3])
network = conv_2d(network, 192, 5, activation='relu')
network = conv_2d(network, 160, 1, activation='relu')
network = conv_2d(network, 96, 1, activation='relu')
network = max_pool_2d(network, 3, strides=2)
network = dropout(network, 0.5)
network = conv_2d(network, 192, 5, activation='relu')
network = conv_2d(network, 192, 1, activation='relu')
network = conv_2d(network, 192, 1, activation='relu')
network = avg_pool_2d(network, 3, strides=2)
network = dropout(network, 0.5)
network = conv_2d(network, 192, 3, activation='relu')
network = conv_2d(network, 192, 1, activation='relu')
network = conv_2d(network, 21, 1, activation='relu')
network = avg_pool_2d(network, 8)
network = flatten(network)
network = regression(network, optimizer='adam',
                     loss='softmax_categorical_crossentropy',
                     learning_rate=0.001)

model = tflearn.DNN(network)
model.fit(X_train, y_train, n_epoch=50, shuffle=True, validation_set=(X_test, y_test),batch_size=32)

これを実行すると次のようなエラーが発生します

IndexError                                Traceback (most recent call last)
<ipython-input-12-fd9b52414d33> in <module>()
     45 # Training
     46 model = tflearn.DNN(network)
---> 47 model.fit(X_train, y_train, n_epoch=50, shuffle=True, validation_set=(X_test, y_test),batch_size=32)

~/anaconda3/lib/python3.6/site-packages/tflearn/models/dnn.py in fit(self, X_inputs, Y_targets, n_epoch, validation_set, show_metric, batch_size, shuffle, snapshot_epoch, snapshot_step, excl_trainops, validation_batch_size, run_id, callbacks)
    182         # TODO: check memory impact for large data and multiple optimizers
    183         feed_dict = feed_dict_builder(X_inputs, Y_targets, self.inputs,
--> 184                                       self.targets)
    185         feed_dicts = [feed_dict for i in self.train_ops]
    186         val_feed_dicts = None

~/anaconda3/lib/python3.6/site-packages/tflearn/utils.py in feed_dict_builder(X, Y, net_inputs, net_targets)
    281                 X = [X]
    282             for i, x in enumerate(X):
--> 283                 feed_dict[net_inputs[i]] = x
    284         else:
    285             # If a dict is provided

IndexError: list index out of range

ここでのlist index out of rangeはどこのことを指しているのでしょうか？

よろしくお願いします

Answer 1

ソースコードを見る限り、y_train, y_testの使い方を間違えているため
エラーが発生していると予測しました。

tf_correct.npyに格納されているy_train.shape=(1470,21),y_test.shape=(630,21)を見る限り、もう既にto_categoricalされている状態に見えます。

単なる数値データ、クラス数が3だったら
0, 1, 2を [1, 0, 0], [0, 1, 0], [0, 0, 1]
に変換するのがto_categoricalの本来の使い方のはずです。

以下に例を用意してみました。

from tflearn.data_utils import to_categorical
import numpy as np

classes = 3
label = np.array([0, 1, 2])
print(label.shape)
#(3,)

categorical_labels = to_categorical(label, classes)
print(categorical_labels)
""" 
array([[1., 0., 0.],
       [0., 1., 0.],
       [0., 0., 1.]])
"""
print(categorical_labels.shape)
# (3, 3)

したがってy_train, y_testをto_categorical関数を利用して変換するのではなく
そのままy_train, y_testを利用すればエラーは解消されるのではないでしょうか。

参考

• tflearn > data_utils - to_categorical

Comments

[dansuke]

的確なアドバイスありがとうございます
学校のGPUで動かしていたので早速明日試してみます