入力データの読み込みのエラー（Keras）

識別（りんごとオレンジ）https://qiita.com/hiroeorz@github/items/ecb39ed4042ebdc0a957

上記のプログラム参考にしてRGBではなくグレースケールに変換して読み込もうとしました。

しかし、
alueError: Error when checking input: expected dense_1_input to have 2 dimensios, but got array with shape (612, 1, 360000)
というエラーが出ました。
612は訓練データの数・1は１次元配列？・360000は一枚の画像の総ピクセル数だと思われます。

python
1image =np.reshape(image, (1,360000))

これを変換してからエラーが出たのこれが原因だと思います。。。
ちなみに、グレースケールの画像の読み込みは出来ていました。

以下にソースを載せているのでおかしい所を教えてください。
宜しくお願い致します。

python
1
2from keras.models import Sequential
3from keras.layers import Activation, Dense, Dropout
4from keras.utils.np_utils import to_categorical
5from keras.optimizers import Adagrad
6from keras.optimizers import Adam
7import numpy as np
8from PIL import Image
9import os
10
11# 学習用のデータを作る.
12image_list = []
13label_list = []
14
15# ./data/train 以下のorange,appleディレクトリ以下の画像を読み込む。
16for dir in os.listdir("data/train"):
17    if dir == ".DS_Store":
18        continue
19
20    dir1 = "data/train/" + dir 
21    label = 0
22
23    if dir == "a":    # appleはラベル0
24        label = 0
25    elif dir == "b": # orangeはラベル1
26        label = 1
27
28    for file in os.listdir(dir1):
29        if file != ".DS_Store":
30            # 配列label_listに正解ラベルを追加(りんご:0 オレンジ:1)
31            label_list.append(label)
32            filepath = dir1 + "/" + file
33            # 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。
34            # [R,G,B]はそれぞれが0-255の配列。
35            image = np.array(Image.open(filepath).resize((600, 600)))
36            print(image.shape)
37            print(filepath)
38            image =np.reshape(image, (1,360000))
39            print(image.shape)
40            print('\n')
41            # 出来上がった配列をimage_listに追加。
42            image_list.append(image / 255.)
43
44# kerasに渡すためにnumpy配列に変換。
45image_list = np.array(image_list)
46
47# ラベルの配列を1と0からなるラベル配列に変更
48# 0 -> [1,0], 1 -> [0,1] という感じ。
49Y = to_categorical(label_list)
50
51# モデルを生成してニューラルネットを構築
52model = Sequential()
53
54model.add(Dense(32, input_dim=360000))
55model.add(Activation("relu"))
56model.add(Dropout(0.8))
57
58model.add(Dense(1500))
59model.add(Activation("relu"))
60model.add(Dropout(0.8))
61
62
63model.add(Dense(1000))
64model.add(Activation("relu"))
65model.add(Dropout(0.8))
66
67model.add(Dense(500))
68model.add(Activation("relu"))
69model.add(Dropout(0.8))
70
71
72
73model.add(Dense(2))
74model.add(Activation("softmax"))
75
76# オプティマイザにAdamを使用
77opt = Adam(lr=0.001)
78# モデルをコンパイル
79model.compile(loss="categorical_crossentropy", optimizer=opt, metrics=["accuracy"])
80# 学習を実行。10%はテストに使用。
81model.fit(image_list, Y, nb_epoch=100, batch_size=100, validation_split=0.1)
82
83# 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。
84total = 0.
85ok_count = 0.
86
87for dir in os.listdir("data/train"):
88    if dir == ".DS_Store":
89        continue
90
91    dir1 = "data/test/" + dir 
92    label = 0
93
94    if dir == "a":
95        label = 0
96    elif dir == "b":
97        label = 1
98
99    for file in os.listdir(dir1):
100        if file != ".DS_Store":
101            label_list.append(label)
102            filepath = dir1 + "/" + file
103            image = np.array(Image.open(filepath).resize((600, 600)))
104            print(filepath)
105            #image = image.transpose(2, 0, 1)
106            #image = image.reshape(1, image.shape[0] * image.shape[1] * image.shape[2]).astype("float32")[0]
107            #iamge = image.reshape(1,360000).astype("float32")[0]
108            image =np.reshape(image, (1,360000))
109
110            result = model.predict_classes(np.array([image / 255.]))
111            print("label:", label, "result:", result[0])
112
113            total += 1.
114
115            if label == result[0]:
116                ok_count += 1.
117
118print("seikai: ", ok_count / total * 100, "%")
119

行動規範の内容に同意します

回答1件

ベストアンサー

こうですかね

python
1from keras.models import Sequential
2from keras.layers import Activation, Dense, Dropout
3from keras.utils.np_utils import to_categorical
4from keras.optimizers import Adagrad
5from keras.optimizers import Adam
6import numpy as np
7from PIL import Image
8import os
9
10# 学習用のデータを作る.
11image_list = []
12label_list = []
13
14# ./data/train 以下のorange,appleディレクトリ以下の画像を読み込む。
15for dir in os.listdir("data/train"):
16    if dir == ".DS_Store":
17        continue
18
19    dir1 = "data/train/" + dir 
20    label = 0
21
22    if dir == "a":    # appleはラベル0
23        label = 0
24    elif dir == "b": # orangeはラベル1
25        label = 1
26
27    for file in os.listdir(dir1):
28        if file != ".DS_Store":
29            # 配列label_listに正解ラベルを追加(りんご:0 オレンジ:1)
30            label_list.append(label)
31            filepath = dir1 + "/" + file
32            # 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。
33            # [R,G,B]はそれぞれが0-255の配列。
34            image = np.array(Image.open(filepath).resize((600, 600)))
35            print(image.shape)
36            print(filepath)
37            image =np.reshape(image, 360000)
38            print(image.shape)
39            print('\n')
40            # 出来上がった配列をimage_listに追加。
41            image_list.append(image / 255.)
42
43# kerasに渡すためにnumpy配列に変換。
44image_list = np.array(image_list)
45
46# ラベルの配列を1と0からなるラベル配列に変更
47# 0 -> [1,0], 1 -> [0,1] という感じ。
48Y = to_categorical(label_list)
49
50# モデルを生成してニューラルネットを構築
51model = Sequential()
52
53model.add(Dense(32, input_dim=360000))
54model.add(Activation("relu"))
55model.add(Dropout(0.8))
56
57model.add(Dense(1500))
58model.add(Activation("relu"))
59model.add(Dropout(0.8))
60
61
62model.add(Dense(1000))
63model.add(Activation("relu"))
64model.add(Dropout(0.8))
65
66model.add(Dense(500))
67model.add(Activation("relu"))
68model.add(Dropout(0.8))
69
70
71
72model.add(Dense(2))
73model.add(Activation("softmax"))
74
75# オプティマイザにAdamを使用
76opt = Adam(lr=0.001)
77# モデルをコンパイル
78model.compile(loss="categorical_crossentropy", optimizer=opt, metrics=["accuracy"])
79# 学習を実行。10%はテストに使用。
80model.fit(image_list, Y, nb_epoch=100, batch_size=100, validation_split=0.1)
81
82# 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。
83total = 0.
84ok_count = 0.
85
86for dir in os.listdir("data/train"):
87    if dir == ".DS_Store":
88        continue
89
90    dir1 = "data/test/" + dir 
91    label = 0
92
93    if dir == "a":
94        label = 0
95    elif dir == "b":
96        label = 1
97
98    for file in os.listdir(dir1):
99        if file != ".DS_Store":
100            label_list.append(label)
101            filepath = dir1 + "/" + file
102            image = np.array(Image.open(filepath).resize((600, 600)))
103            print(filepath)
104            #image = image.transpose(2, 0, 1)
105            #image = image.reshape(1, image.shape[0] * image.shape[1] * image.shape[2]).astype("float32")[0]
106            #iamge = image.reshape(1,360000).astype("float32")[0]
107            image =np.reshape(image, 360000)
108
109            result = model.predict_classes(np.array([image / 255.]))
110            print("label:", label, "result:", result[0])
111
112            total += 1.
113
114            if label == result[0]:
115                ok_count += 1.
116
117print("seikai: ", ok_count / total * 100, "%")