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

89.04%

kerasで自作画像でcnnを実行

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 530

22Go

score 47

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。

  • 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解決した方法

0

自己解決いたしました。

投稿

  • 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。

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 89.04%
  • 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

関連した質問

同じタグがついた質問を見る