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

88.77%

Python3 BatchNormalizationをどこに追加したら良いか分からない

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 1,867

SuzuAya

score 47

前提・実現したいこと

オートエンコーダのエンコーダ部分を畳み込みにしたのですが、精度向上のため、BatchNormalizationも追加したいと考えております。
公式チュートリアル等も確認したのですが、model.addで追加する方法は多く見つかるものの、私のようなコードの書き方をした場合の追加方法が見つかりませんでした。

無理やり追加してみたところ、以下のようなエラーメッセージが出てしまいました。

お手数をお掛けしますが、どのように追加したらうまくいくかアドバイスしていただけますと大変幸いです。
どうぞよろしくお願いいたします。

発生している問題・エラーメッセージ

TypeError: ('Keyword argument not understood:', 'BatchNormalization')

該当のソースコード

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

from keras.layers import Lambda, Input, Dense
from keras.models import Model
from keras.models import Sequential, model_from_json
from keras.losses import mse, binary_crossentropy
from keras.layers import Conv2D, Flatten
from keras.layers import Reshape, Conv2DTranspose,BatchNormalization
from keras.utils import plot_model, np_utils 
from keras.utils import plot_model
from keras.callbacks import Callback, EarlyStopping, TensorBoard, ModelCheckpoint, LearningRateScheduler, CSVLogger
from keras import optimizers
from keras import backend as K
from keras.preprocessing.image import array_to_img, img_to_array,load_img
from keras.preprocessing.image import ImageDataGenerator

import numpy as np
import matplotlib.pyplot as plt
import argparse
import os
import re
import glob
import random as rn
import tensorflow as tf
import cv2
from PIL import Image

import warnings
warnings.filterwarnings('ignore')

%matplotlib inline

#reparameterization trick
# instead of sampling from Q(z|X), sample eps = N(0,I)
# z = z_mean + sqrt(var)*eps
def sampling(args):
    """Reparameterization trick by sampling fr an isotropic unit Gaussian.

    # Arguments
        args (tensor): mean and log of variance of Q(z|X)

    # Returns
        z (tensor): sampled latent vector
    """
    z_mean, z_log_var = args
    batch = K.shape(z_mean)[0]
    dim = K.int_shape(z_mean)[1]
    # by default, random_normal has mean=0 and std=1.0
    epsilon = K.random_normal(shape=(batch, dim))
    return z_mean + K.exp(0.5 * z_log_var) * epsilon


def plot_results(models,
                 data,
                batch_size=50,
                 model_name="vae_OCT"):
    """Plots labels and MNIST digits as function of 2-dim latent vector

    # Arguments
        models (tuple): encoder and decoder models
        data (tuple): test data and label
        batch_size (int): prediction batch size
        model_name (string): which model is using this function
    """

    encoder, decoder = models
    x_test = data
    os.makedirs(model_name, exist_ok=True)

    filename = os.path.join(model_name, "vae_mean.png")
    # display a 2D plot of the digit classes in the latent space
    z_mean, _, _ = encoder.predict(x_test,
                                   batch_size=batch_size)




#original dataset
#train
filenames = glob.glob("./NORMAL_resize_100_1_0506/*.jpeg")
X = []

for filename in filenames:
    img = img_to_array(load_img(
    filename, color_mode = "grayscale"
    , target_size=(512,496)))
    X.append(img)

X = np.asarray(X)

#test
filenames = glob.glob("./NORMAL_resize_0506/*.jpeg")
X_test = []

for filename in filenames:
    img = img_to_array(load_img(
    filename, color_mode = "grayscale"
    , target_size=(512,496)))
    X_test.append(img)

X_test = np.asarray(X_test)

image_size_width = X.shape[1]
image_size_height = X.shape[2]
original_dim = 512 * 496
x_train = np.reshape(X, [-1, image_size_width,image_size_height,1])
x_test = np.reshape(X_test,[ -1, image_size_width,image_size_height,1])
x_train = x_train.astype('float32') / 255
x_test = x_test.astype('float32') / 255

print(x_train.shape)
print(x_test.shape)

# network parameters
#input_shape = (original_dim,)
input_shape = (image_size_width,image_size_height,1)
batch_size = 50
kernel_size = 3
filters = 16
latent_dim = 2
epochs = 100

# VAE model = encoder + decoder
# build encoder model
inputs = Input(shape=input_shape, name='encoder_input')
x = inputs
for i in range(4):
    filters *= 2
    x = Conv2D(filters=filters,
               kernel_size=kernel_size,
               BatchNormalization = BatchNormalization(),# ここがうまくいかない
               activation='relu',
               strides=2,padding='same')(x)

補足情報(FW/ツールのバージョンなど)

Google Colabを使っています。

  • 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

+1

TypeError: ('Keyword argument not understood:', 'BatchNormalization')

型エラー: 不明なキーワード引数: BatchNormalization

Conv2D のコンストラクタ引数に BatchNormalization というものはありません。
BatchNormalization を追加する場合は以下のように変更してください。

    x = Conv2D(filters=filters,
               kernel_size=kernel_size,
               BatchNormalization = BatchNormalization(),# ここがうまくいかない
               activation='relu',
               strides=2,padding='same')(x)


import に以下を追加

from keras.layers import Activation, BatchNormalization

conv -> batch normalization -> relu とする。

    x = Conv2D(filters=filters,
               kernel_size=kernel_size,
               strides=2,padding='same')(x)
    x = BatchNormalization()(x)
    x = Activation('relu')(x)

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。

  • 2019/05/29 13:35

    早急にご回答いただき、ありがとうございます!!
    うまくいきました。とても分かりやすくご丁寧なご回答、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 88.77%
  • 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