kerasで自作画像でcnnを実行

kerasでcnn

こちらのページを参考にローカルに保存してあるcifar-10の画像でcnnを実行してみたのですが、エラーが出てしまいました。

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import keras
from keras.utils import np_utils
from keras.layers.convolutional import Conv2D, MaxPooling2D
from keras.models import Sequential
from keras.layers.core import Dense, Dropout, Activation, Flatten
from keras.preprocessing.image import array_to_img, img_to_array, list_pictures, load_img
import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
import matplotlib.pyplot as plt

temp_img = load_img('./test/test1.jpg', target_size=(64,64))
temp_img_array  = img_to_array(temp_img)

X = []
Y = []

# 対象airplaneの画像
for picture in list_pictures('/Users/name/Desktop/cif-train/airplane'):
    img = img_to_array(load_img(picture, target_size=(64,64)))
    X.append(img)

    Y.append(0)

# 対象automobileの画像
for picture in list_pictures('/Users/name/Desktop/cif-train/automobile'):
    img = img_to_array(load_img(picture, target_size=(64,64)))
    X.append(img)

    Y.append(1)

# 対象birdの画像
for picture in list_pictures('/Users/name/Desktop/cif-train/bird'):
    img = img_to_array(load_img(picture, target_size=(64,64)))
    X.append(img)

    Y.append(2)

# 対象catの画像
for picture in list_pictures('/Users/name/Desktop/cif-train/cat'):
    img = img_to_array(load_img(picture, target_size=(64,64)))
    X.append(img)

    Y.append(3)

# 対象deerの画像
for picture in list_pictures('/Users/name/Desktop/cif-train/deer'):
    img = img_to_array(load_img(picture, target_size=(64,64)))
    X.append(img)

    Y.append(4)

# 対象dogの画像
for picture in list_pictures('/Users/name/Desktop/cif-train/dog'):
    img = img_to_array(load_img(picture, target_size=(64,64)))
    X.append(img)

    Y.append(5)

# 対象frogの画像
for picture in list_pictures('/Users/name/Desktop/cif-train/frog'):
    img = img_to_array(load_img(picture, target_size=(64,64)))
    X.append(img)

    Y.append(6)

# 対象horseの画像
for picture in list_pictures('/Users/name/Desktop/cif-train/horse'):
    img = img_to_array(load_img(picture, target_size=(64,64)))
    X.append(img)

    Y.append(7)

# 対象shipの画像
for picture in list_pictures('/Users/name/Desktop/cif-train/ship'):
    img = img_to_array(load_img(picture, target_size=(64,64)))
    X.append(img)

    Y.append(8)

# 対象truckの画像
for picture in list_pictures('/Users/name/Desktop/cif-train/truck'):
    img = img_to_array(load_img(picture, target_size=(64,64)))
    X.append(img)

    Y.append(9)

# arrayに変換
X = np.asarray(X)
Y = np.asarray(Y)

# 画素値を0から1の範囲に変換
X = X.astype('float32')
X = X / 255.0

# クラスの形式を変換
Y = np_utils.to_categorical(Y, 9)

# 学習用データとテストデータ
X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.2, random_state=111)
#2割がtest

# CNNを構築
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(2))       # クラスは2個
model.add(Activation('softmax'))

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

# 実行。出力はなしで設定(verbose=0)。
history = model.fit(X_train, y_train, batch_size=5, epochs=200,
                   validation_data = (X_test, y_test), verbose = 0)

#参考書はbatch=32,epoch=1,verbose=1

plt.plot(history.history['acc'])
plt.plot(history.history['val_acc'])
plt.title('model accuracy')
plt.xlabel('epoch')
plt.ylabel('accuracy')
plt.legend(['acc', 'val_acc'], loc='lower right')
plt.show()

# テストデータに適用
predict_classes = model.predict_classes(X_test)

# マージ。yのデータは元に戻す
mg_df = pd.DataFrame({'predict': predict_classes, 'class': np.argmax(y_test, axis=1)})

# confusion matrix
pd.crosstab(mg_df['class'], mg_df['predict'])

エラーは以下の通りです

ValueError                                Traceback (most recent call last)
<ipython-input-26-524378df711d> in <module>
    105 
    106 model.add(Conv2D(32, (3, 3), padding='same',
--> 107                  input_shape=X_train.shape[1:]))
    108 model.add(Activation('relu'))
    109 model.add(Conv2D(32, (3, 3)))

~/anaconda3/lib/python3.6/site-packages/keras/models.py in add(self, layer)
    465                 # and create the node connecting the current layer
    466                 # to the input layer we just created.
--> 467                 layer(x)
    468 
    469             if len(layer._inbound_nodes[-1].output_tensors) != 1:

~/anaconda3/lib/python3.6/site-packages/keras/engine/topology.py in __call__(self, inputs, **kwargs)
    571                 # Raise exceptions in case the input is not compatible
    572                 # with the input_spec specified in the layer constructor.
--> 573                 self.assert_input_compatibility(inputs)
    574 
    575                 # Collect input shapes to build layer.

~/anaconda3/lib/python3.6/site-packages/keras/engine/topology.py in assert_input_compatibility(self, inputs)
    470                                      self.name + ': expected ndim=' +
    471                                      str(spec.ndim) + ', found ndim=' +
--> 472                                      str(K.ndim(x)))
    473             if spec.max_ndim is not None:
    474                 ndim = K.ndim(x)

ValueError: Input 0 is incompatible with layer conv2d_17: expected ndim=4, found ndim=1

エラーをどのように訂正していいのか不明な点と

temp_img = load_img('./test/test1.jpg', target_size=(64,64))
temp_img_array  = img_to_array(temp_img)
この2行はtest1.jpgをロードしてarrayに変換しているということはわかるのですが、意図がわかりません。
ディレクトリごと変換するために使用するということでしょうか？
その下の# 対象airplaneの画像というところで変換されると思うのですが。。。

教えていただきたいです。宜しくお願い致します。