keras モデルデータの読み込みエラー？

発生している問題・エラーメッセージ

男性と女性で分けているのですが、
女性の学習データを読み込もうとするとエラーが出ます。
女性のデータの数は２９名分です。が、エラー文に含まれる30という数字は男性データの数です。

ValueError: Dimension 1 in both shapes must be equal, but are 29 and 30. Shapes are [200,29] and [200,30]. for 'Assign_14' (op: 'Assign') with input shapes: [200,29], [200,30].

該当のソースコード

汚くて申し訳ありません。

Python
1from keras.models import Sequential
2from keras.layers import Activation, Dense, Dropout, Conv2D, MaxPooling2D, Flatten
3from keras.utils.np_utils import to_categorical
4from keras.optimizers import Adam
5import numpy as np
6from PIL import Image
7import os
8
9# 学習用のデータを作る.
10image_list = []
11image_list2 = []
12label_list = []
13label_list2 = []
14
15
16
17# データが格納されたディレクトリ名
18basedir='./data/'
19# 訓練データのディレクトリ
20mendir=basedir + 'training/men/'
21womendir=basedir + 'training/women/'
22
23
24men_label_name = []
25for md in os.listdir(mendir):
26    if md == '.DS_Store':
27        continue
28    men_label_name.append(md)
29
30print(men_label_name)
31
32
33women_label_name = []
34for wd in os.listdir(womendir):
35    if wd == '.DS_Store':
36        continue
37    women_label_name.append(wd)
38
39print(women_label_name)
40
41
42
43label = 0
44# ./data/train 以下の画像を読み込む。
45for dir in os.listdir(mendir):
46    if dir == '.DS_Store':
47        continue
48
49    dir1 = mendir + dir
50    h=0
51    for ln in men_label_name:
52        if dir == men_label_name[h]:
53            label = h
54
55        h+=1
56
57
58
59    for file in os.listdir(dir1):
60        if file != '.DS_Store':
61            # 配列label_listに正解ラベルを追加
62            label_list.append(label)
63            filepath = dir1 + '/' + file
64            # 画像を100x100pixelに変換し、1要素が[R,G,B]3要素を含む配列の100x100の２次元配列として読み込む。
65            # [R,G,B]はそれぞれが0-255の配列。
66            image = np.array(Image.open(filepath).convert('RGB').resize((100, 100)))
67            # 出来上がった配列をimage_listに追加。
68            image_list.append(image / 255.)
69
70# kerasに渡すためにnumpy配列に変換。
71X = np.array(image_list)
72
73# ラベルの配列を1と0からなるラベル配列に変更
74# 0 -> [1,0,0], 1 -> [0,1,0] という感じ。
75Y = to_categorical(label_list)
76
77
78
79#early_stopping=EarlyStopping(monitor='loss',patience=10, verbose=1)
80print("men_learn")
81# モデルを生成してニューラルネットを構築
82model = Sequential()
83model.add(Conv2D(64, (3, 3), input_shape=(100, 100, 3), padding='same', activation='relu'))
84model.add(Conv2D(32, (3, 3), padding='same', activation='relu'))#畳み込み
85model.add(MaxPooling2D(pool_size=(2, 2)))
86model.add(Flatten())
87model.add(Dense(200, activation='relu'))
88model.add(Dropout(0.2))
89model.add(Dense(30, activation='softmax'))
90
91model.summary()
92
93# モデルをコンパイル
94model.compile(loss="categorical_crossentropy", optimizer=Adam(), metrics=["accuracy"])
95# 学習を実行。10%はテストに使用。
96#model.fit(X, Y, epochs=1000, batch_size=25, callbacks=[early_stopping])
97model.fit(X, Y, epochs=1, batch_size=100)#batch_sizeは100でもいい
98
99
100json_string = model.to_json()
101open('ir_first_model_men.json', 'w').write(json_string) # ネットワーク構造をJSON形式で保存
102model.save_weights('ir_first_weights_men.h5')
103
104print("wp")
105
106
107
108# 重みをバイナリ形式で保存
109label = 0
110# ./data/train 以下の画像を読み込む。
111for dir in os.listdir(womendir):
112    if dir == '.DS_Store':
113        continue
114
115    dir1 = womendir + dir
116    h=0
117    for ln in women_label_name:
118        if dir == women_label_name[h]:
119            label = h
120
121        h+=1
122
123
124
125    for file in os.listdir(dir1):
126        if file != '.DS_Store':
127            # 配列label_listに正解ラベルを追加
128            label_list2.append(label)
129            filepath = dir1 + '/' + file
130            # 画像を100x100pixelに変換し、1要素が[R,G,B]3要素を含む配列の100x100の２次元配列として読み込む。
131            # [R,G,B]はそれぞれが0-255の配列。
132            image2 = np.array(Image.open(filepath).convert('RGB').resize((100, 100)))
133            # 出来上がった配列をimage_listに追加。
134            image_list2.append(image2 / 255.)
135
136# kerasに渡すためにnumpy配列に変換。
137X = np.array(image_list2)
138
139# ラベルの配列を1と0からなるラベル配列に変更
140# 0 -> [1,0,0], 1 -> [0,1,0] という感じ。
141Y = to_categorical(label_list2)
142
143
144
145#early_stopping=EarlyStopping(monitor='loss',patience=10, verbose=1)
146print("women_learn")
147# モデルを生成してニューラルネットを構築
148model2 = Sequential()
149model2.add(Conv2D(64, (3, 3), input_shape=(100, 100, 3), padding='same', activation='relu'))
150model2.add(Conv2D(32, (3, 3), padding='same', activation='relu'))#畳み込み
151model2.add(MaxPooling2D(pool_size=(2, 2)))
152model2.add(Flatten())
153model2.add(Dense(200, activation='relu'))
154model2.add(Dropout(0.2))
155model2.add(Dense(29, activation='softmax'))
156
157model2.summary()
158
159# モデルをコンパイル
160model2.compile(loss="categorical_crossentropy", optimizer=Adam(), metrics=["accuracy"])
161# 学習を実行。10%はテストに使用。
162#model.fit(X, Y, epochs=1000, batch_size=25, callbacks=[early_stopping])
163model2.fit(X, Y, epochs=1, batch_size=100)#batch_sizeは100でもいい
164
165
166json_string2 = model2.to_json()
167open('ir_first_model_women.json', 'w').write(json_string2) # ネットワーク構造をJSON形式で保存
168model.save_weights('ir_first_weights_women.h5')
169
170
171
172
173
174
175print('finish!')
176

行動規範の内容に同意します

回答1件

ベストアンサー

最後にセーブするモデルはmodel2ではありませんか？

json_string2 = model2.to_json()
open('ir_first_model_women.json', 'w').write(json_string2) # ネットワーク構造をJSON形式で保存
#修正前
model.save_weights('ir_first_weights_women.h5')
#修正後
model2.save_weights('ir_first_weights_women.h5')

投稿2019/06/24 13:27