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!

新規登録して質問してみよう
ただいま回答率
85.50%
Keras

Kerasは、TheanoやTensorFlow/CNTK対応のラッパーライブラリです。DeepLearningの数学的部分を短いコードでネットワークとして表現することが可能。DeepLearningの最新手法を迅速に試すことができます。

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

Q&A

2回答

282閲覧

困っています!Kerasで画像分類(簡単なコード)

HirokiJapan

総合スコア12

Keras

Kerasは、TheanoやTensorFlow/CNTK対応のラッパーライブラリです。DeepLearningの数学的部分を短いコードでネットワークとして表現することが可能。DeepLearningの最新手法を迅速に試すことができます。

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

0グッド

0クリップ

投稿2019/03/10 10:32

現在、Kerasを使ってアップルとオレンジの画像を分類をしようとしています。
環境はGoogle Colaboratoryです。
ネットで見つけたものをそのまま利用しディレクトリ名もそのまま合わせ、学習用画像はそれぞれ20枚ずつ、テスト用画像は5枚ずつ用意しています。
コードは以下のようなものです。

Python3

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# 学習用のデータを作る. 10image_list = [] 11label_list = [] 12 13# ./data/train 以下のorange,appleディレクトリ以下の画像を読み込む。 14for dir in os.listdir("data/train"): 15 if dir == ".DS_Store": 16 continue 17dir1 = "data/train/" + dir 18 label = 0 19 20 if dir == "apple": # appleはラベル0 21 label = 0 22 elif dir == "orange": # orangeはラベル1 23 label = 1 24 25 for file in os.listdir(dir1): 26 if file != ".DS_Store": 27 # 配列label_listに正解ラベルを追加(りんご:0 オレンジ:1) 28 label_list.append(label) 29 filepath = dir1 + "/" + file 30# 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。 31 # [R,G,B]はそれぞれが0-255の配列。 32 image = np.array(Image.open(filepath).resize((25, 25))) 33 print(filepath) 34 # 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。 35 image = image.transpose(2, 0, 1) 36 # 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。 37 image = image.reshape(1, image.shape[0] * image.shape[1] * image.shape[2]).astype("float32")[0] 38 # 出来上がった配列をimage_listに追加。 39 image_list.append(image / 255.) 40# kerasに渡すためにnumpy配列に変換。 41image_list = np.array(image_list) 42 43# ラベルの配列を1と0からなるラベル配列に変更 44# 0 -> [1,0], 1 -> [0,1] という感じ。 45Y = to_categorical(label_list) 46 47# モデルを生成してニューラルネットを構築 48model = Sequential() 49model.add(Dense(200, input_dim=1875)) 50model.add(Activation("relu")) 51model.add(Dropout(0.2)) 52 53model.add(Dense(200)) 54model.add(Activation("relu")) 55model.add(Dropout(0.2)) 56 57model.add(Dense(2)) 58model.add(Activation("softmax")) 59# オプティマイザにAdamを使用 60opt = Adam(lr=0.001) 61# モデルをコンパイル 62model.compile(loss="categorical_crossentropy", optimizer=opt, metrics=["accuracy"]) 63# 学習を実行。10%はテストに使用。 64model.fit(image_list, Y, nb_epoch=1500, batch_size=100, validation_split=0.1) 65 66# 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。 67total = 0. 68ok_count = 0. 69 70for dir in os.listdir("data/train"): 71 if dir == ".DS_Store": 72 continue 73 74 dir1 = "data/test/" + dir 75 label = 0 76 77 if dir == "apple": 78 label = 0 79 elif dir == "orange": 80 label = 1 81 82 for file in os.listdir(dir1): 83 if file != ".DS_Store": 84 label_list.append(label) 85 filepath = dir1 + "/" + file 86 image = np.array(Image.open(filepath).resize((25, 25))) 87 print(filepath) 88 image = image.transpose(2, 0, 1) 89 image = image.reshape(1, image.shape[0] * image.shape[1] * image.shape[2]).astype("float32")[0] 90 result = model.predict_classes(np.array([image / 255.])) 91 print("label:", label, "result:", result[0]) 92 93 total += 1. 94 95 if label == result[0]: 96 ok_count += 1. 97 98print("seikai: ", ok_count / total * 100, "%")

上記のようなコードを実行したら、次のようなエラーが出ました。

ValueError Traceback (most recent call last) <ipython-input-5-fb62631d675b> in <module>() 66 model.compile(loss="categorical_crossentropy", optimizer=opt, metrics=["accuracy"]) 67 # 学習を実行。10%はテストに使用。 ---> 68 model.fit(image_list, Y, nb_epoch=1500, batch_size=100, validation_split=0.1) 69 70 # 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。 /usr/local/lib/python3.6/dist-packages/keras/engine/training.py in fit(self, x, y, batch_size, epochs, verbose, callbacks, validation_split, validation_data, shuffle, class_weight, sample_weight, initial_epoch, steps_per_epoch, validation_steps, **kwargs) 950 sample_weight=sample_weight, 951 class_weight=class_weight, --> 952 batch_size=batch_size) 953 # Prepare validation data. 954 do_validation = False /usr/local/lib/python3.6/dist-packages/keras/engine/training.py in _standardize_user_data(self, x, y, sample_weight, class_weight, check_array_lengths, batch_size) 749 feed_input_shapes, 750 check_batch_axis=False, # Don't enforce the batch size. --> 751 exception_prefix='input') 752 753 if y is not None: /usr/local/lib/python3.6/dist-packages/keras/engine/training_utils.py in standardize_input_data(data, names, shapes, check_batch_axis, exception_prefix) 136 ': expected ' + names[i] + ' to have shape ' + 137 str(shape) + ' but got array with shape ' + --> 138 str(data_shape)) 139 return data 140 ValueError: Error when checking input: expected dense_1_input to have shape (1875,) but got array with shape (1,)

隠れそうに問題があるのかな?と思ったのですが、初学者なのであまりよくわかりませんでした。
どなたか回答よろしくお願いします!!めちゃくちゃ困っています!!

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MY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。

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。

guest

回答2

0

ValueError: Error when checking input: expected dense_1_input to have shape (1875,) but got array with shape (1,)

上記は「dense_1_inputのサイズは(1875,)でないといけないけど、入力した配列のサイズは(1,)だよ」というエラーです。
隠れ層は関係ありません。
image_listのサイズを確認してみてください。


また、類似の質問をしているようですが、質問は編集できるので、新たに質問するのは避けてください。

投稿2019/03/10 11:26

fiveHundred

総合スコア9774

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。

fiveHundred

2019/04/26 02:27

低評価するのであれば、その理由を記載してください。
kikukiku

2019/04/26 02:33

良い回答かと思います。高評価付けました。
guest

0

https://teratail.com/questions/166019?link=qa_related_pc
で同じ質問がありました。
学習データにpngファイルが混ざっているとなるようですよ。

投稿2020/06/01 14:51

tacanoviano

総合スコア46

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。

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

まだベストアンサーが選ばれていません

会員登録して回答してみよう

アカウントをお持ちの方は

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
85.50%

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る

質問する

関連した質問