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!

ただいまの
回答率

89.13%

機械学習における学習済みネットワーク呼び出しを行い、予測させるプログラム

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 1,330

ixajin

score 12

前提・実現したいこと

Python3.6.7でKerasを用いて機械学習を行っています
画像を学習させて判定させるシステムです

発生している問題・エラーメッセージ

実行した際に以下のようなエラーが出ます
ValueError: Error when checking input: expected conv2d_1_input to have shape (50, 50, 3) but got array with shape (224, 224, 3)

該当のソースコード

import numpy as np
import matplotlib.pyplot as plt
import os
from keras.applications.vgg16 import VGG16
from keras.applications.vgg16 import preprocess_input, decode_predictions
import keras.preprocessing.image as Image
from keras.models import Model, model_from_json

model = model_from_json(open('model.json').read())

model.load_weights('weights.h5')

img_path='unExample/a6.jpg'
img = Image.load_img(img_path, target_size=(224,224))
x = Image.img_to_array(img)
x = np.expand_dims(x, axis=0)
features = model.predict(preprocess_input(x))
results = decode_predictions(features, top=3)[0]
for result in results:
    print(result)
#coding:utf-8

import keras
from keras.utils import np_utils
from keras.models import Sequential
from keras.layers.convolutional import Conv2D, MaxPooling2D
from keras.layers.core import Dense, Dropout, Activation, Flatten
import numpy as np
from sklearn.model_selection import train_test_split
from PIL import Image
import glob
folder = ["Not_Skill","with_Skill"]
image_size = 50

X = []
Y = []
for index, name in enumerate(folder):
    dir = "./" + name
    files = glob.glob(dir + "/*.jpg")
    for i, file in enumerate(files):
        image = Image.open(file)
        image = image.convert("RGB")
        image = image.resize((image_size, image_size))
        data = np.asarray(image)
        X.append(data)
        Y.append(index)

X = np.array(X)
Y = np.array(Y)
X = X.astype('float32')
X = X / 255.0
Y = np_utils.to_categorical(Y, 4)
X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.20)
model = Sequential()

model.add(Conv2D(32, (3, 3), padding='same',input_shape=X_train.shape[1:]))
model.add(Activation('relu'))
model.add(Conv2D(32, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))

model.add(Conv2D(64, (3, 3), padding='same'))
model.add(Activation('relu'))
model.add(Conv2D(64, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))

model.add(Flatten())
model.add(Dense(512))
model.add(Activation('relu'))
model.add(Dropout(0.5))
model.add(Dense(4))
model.add(Activation('softmax'))

# コンパイル
model.compile(loss='categorical_crossentropy',optimizer='SGD',metrics=['accuracy'])

from keras.callbacks import TensorBoard
tbcb = TensorBoard(log_dir='./graph',histogram_freq=0,write_graph=True)

history = model.fit(X_train, y_train,batch_size=32,epochs=1000, verbose=1,validation_data=(X_test,y_test),callbacks=[tbcb])

from keras.utils import plot_model
model_json = model.to_json()
with open('model.json', mode='w') as f:
  f.write(model_json)

model.save_weights('weights.h5')

import pickle
with open("history.pickle", mode='wb') as f:
   pickle.dump(history.history, f)
print(model.evaluate(X_test, y_test))

試したこと

target_sizeを(50,50)にした

補足情報(FW/ツールのバージョンなど)

OS: ubuntu14.04.5LTS
コンソール上での実行

  • 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。

    クリップを取り消します

  • 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。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    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

    評価が下がると、TOP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。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

0

ImageNet の学習済みモデルを利用して画像分類を行う。 通りで動きました。
画像を用意して試してみてください。

import numpy as np
from keras.applications.vgg16 import VGG16, preprocess_input, decode_predictions
from keras.preprocessing import image

# VGG16 を構築する。
model = VGG16()

# 画像を読み込み、モデルの入力サイズでリサイズする。
img_path = 'sample.jpg'
img = image.load_img(img_path, target_size=model.input_shape[1:3])

# PIL.Image オブジェクトを np.float32 型の numpy 配列に変換する。
x = image.img_to_array(img)
print('x.shape: {}, x.dtype: {}'.format(x.shape, x.dtype))
# x.shape: (224, 224, 3), x.dtype: float32

# 配列の形状を (Height, Width, Channels) から (1, Height, Width, Channels) に変更する。
x = np.expand_dims(x, axis=0)
print('x.shape: {}'.format(x.shape))  # x.shape: (1, 224, 224, 3)

# VGG16 用の前処理を行う。
x = preprocess_input(x)

# 推論する。
preds = model.predict(x)

# 推論結果をデコードする。
result = decode_predictions(preds, top=3)[0]
for _, name, score in result:
    print('{}: {:.2%}'.format(name, score))

追記

import keras.preprocessing.image as Image
import numpy as np
from keras.models import model_from_json

model = model_from_json(open('model.json').read())
model.load_weights('weights.h5')

img_path = 'unExample/a6.jpg'
img = Image.load_img(img_path, target_size=(50, 50))
x = Image.img_to_array(img)
x = np.expand_dims(x, axis=0)

# 一番スコアが高いクラスだけほしい場合
pred = model.predict_classes(x)[0]
print(pred)  # 予測したクラス

# 各スコアを表示したい場合
pred = model.predict(x)[0]
for class_id, socre in enumerate(pred):
    print('class: {}, score: {:.2%}'.format(class_id, socre))

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/12/21 18:51

    間違えました、すみません
    結果については理解しました、ありがとうございます
    ただ各クラスの結果のほうがほしいのですが、そちらだと以下のエラーがでました
    File "learn.py", line 17, in <module>
    for class_id, score in enumerate(pred):
    TypeError: 'numpy.int64' object is not iterable
    調べたところ意味はわかったのですが、どこを直せばいいのかはわかりません、よろしくおねがいします

    キャンセル

  • 2018/12/21 18:54 編集

    スコアのほうは predict_class() ではなく、predict() ですが、そうしましたか?
    pred = model.predict(x)[0]
    for class_id, socre in enumerate(pred):
    print('class: {}, score: {:.2%}'.format(class_id, socre))

    エラーになる場合は print(model.predict(x)) の結果を教えてください。

    キャンセル

  • 2018/12/21 18:59

    すみません、predict_classesにしていました
    長々とありがとうございました

    キャンセル

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 89.13%
  • 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られる