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

87.37%

Python3 ValueError: Error when checking model inputの解決方法について

解決済

回答 2

投稿

  • 評価
  • クリップ 0
  • VIEW 675

score 59

前提・実現したいこと

多クラス分類のモデルを使って新しいデータに対する精度を確認したいのですが、numpy arrayがおかしいというエラーが出てしまいます。
お手数をお掛けしますが解決方法についてどなたか教えていただけないでしょうか。

発生している問題・エラーメッセージ

ValueError                                Traceback (most recent call last)
<ipython-input-5-d660de2e47ce> in <module>()
     52 #arcface_model = Model(inputs=arcface_model.input[0], outputs=arcface_model.layers[-3].output)
     53 #print(arcface_model.input[0], arcface_model.layers[-3].output)# Tensor("strided_slice:0", shape=(28, 28, 1), dtype=float32) Tensor("flatten_1_15/Reshape:0", shape=(?, ?), dtype=float32)
---> 54 arcface_features = arcface_model.predict(X_test, verbose=1)
     55 #arcface_features /= np.linalg.norm(arcface_features, axis=1, keepdims=True)
     56 

2 frames
/usr/local/lib/python3.6/dist-packages/keras/engine/training_utils.py in standardize_input_data(data, names, shapes, check_batch_axis, exception_prefix)
    100                 'Expected to see ' + str(len(names)) + ' array(s), '
    101                 'but instead got the following list of ' +
--> 102                 str(len(data)) + ' arrays: ' + str(data)[:200] + '...')
    103         elif len(names) > 1:
    104             raise ValueError(

ValueError: Error when checking model input: the list of Numpy arrays that you are passing to your model is not the size the model expected. Expected to see 2 array(s), but instead got the following list of 1 arrays: [array([[[[0.],
         [0.],
         [0.],
         ...,
         [0.],
         [0.],
         [0.]],

        [[0.],
         [0.],
         [0.],
         ...,
         [0.],
         [0.],
    ...

該当のソースコード

import time
import os
import math
import argparse
from glob import glob
from collections import OrderedDict
import random
import warnings
from datetime import datetime
import joblib
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D


import numpy as np
import pandas as pd

from sklearn.model_selection import KFold, StratifiedKFold
from sklearn.manifold import TSNE
from sklearn.decomposition import PCA
from sklearn.metrics import accuracy_score
from sklearn import metrics

import keras
from keras.datasets import mnist
from keras.preprocessing.image import ImageDataGenerator
from keras.models import Sequential, load_model, Model
from keras.layers import Dense, Dropout, Activation, Flatten
from keras.layers import Conv2D, MaxPooling2D
from keras.models import load_model
from keras.optimizers import SGD, Adam
from keras.callbacks import EarlyStopping, ModelCheckpoint, ReduceLROnPlateau, CSVLogger, LearningRateScheduler

import archs
from metrics import *
from scheduler import *

import h5py

(X, y), (X_test, y_test) = mnist.load_data()

X = X[:, :, :, np.newaxis].astype('float32') / 255
print('X:', X.shape) # X: (60000, 28, 28, 1)
X_test = X_test[:, :, :, np.newaxis].astype('float32') / 255
print('X_test:', X_test.shape)# X_test: (10000, 28, 28, 1)
y_ohe = keras.utils.to_categorical(y, 10)
print('y_ohe:', y_ohe.shape)# y_ohe: (60000, 10)
y_ohe_test = keras.utils.to_categorical(y_test, 10)
print('y_ohe_test:', y_ohe_test.shape)# y_ohe_test: (10000, 10)

arcface_model = load_model('./models/mnist_vgg8_arcface_3d/model.hdf5', custom_objects={'ArcFace': ArcFace})
#arcface_model = Model(inputs=arcface_model.input[0], outputs=arcface_model.layers[-3].output)
arcface_features = arcface_model.predict(X_test, verbose=1)
#arcface_features /= np.linalg.norm(arcface_features, axis=1, keepdims=True)

accuracy = accuracy_score(y_ohe_test, arcface_features)  # 正解データと比較し、精度算出
print('{:.2%}'.format(accuracy))  
  • 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 2

check解決した方法

0

以下の通りにしたところ、とりあえずエラーは発生しなくなりました。
ただ、accuracyが0.5%と、明らかにおかしい数値になってしまっているので、別途質問させていただきたいと思います。

import time
import os
import math
import argparse
from glob import glob
from collections import OrderedDict
import random
import warnings
from datetime import datetime
import joblib
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D


import numpy as np
import pandas as pd

from sklearn.model_selection import KFold, StratifiedKFold
from sklearn.manifold import TSNE
from sklearn.decomposition import PCA
from sklearn.metrics import accuracy_score
from sklearn import metrics
from sklearn.metrics import confusion_matrix

import keras
from keras.datasets import mnist
from keras.preprocessing.image import ImageDataGenerator
from keras.models import Sequential, load_model, Model
from keras.layers import Dense, Dropout, Activation, Flatten
from keras.layers import Conv2D, MaxPooling2D
from keras.models import load_model
from keras.optimizers import SGD, Adam
from keras.callbacks import EarlyStopping, ModelCheckpoint, ReduceLROnPlateau, CSVLogger, LearningRateScheduler
from keras.utils import np_utils

import archs
from metrics import *
from scheduler import *

import h5py

(X, y), (X_test, y_test) = mnist.load_data()

X = X[:, :, :, np.newaxis].astype('float32') / 255
X_test = X_test[:, :, :, np.newaxis].astype('float32') / 255
print('X:', X.shape)
print('X_test:', X_test.shape)
y_ohe = keras.utils.to_categorical(y, 10)
print('y_ohe:', y_ohe.shape)
y_ohe_test = keras.utils.to_categorical(y_test, 10)
print('y_ohe_test:', y_ohe_test.shape)

arcface_model = load_model('./models/mnist_vgg8_arcface_3d/model.hdf5', custom_objects={'ArcFace': ArcFace})
arcface_model = Model(inputs=arcface_model.input[0], outputs=arcface_model.layers[-3].output)
#arcface_features = arcface_model.predict(X_test, verbose=1)
#arcface_features /= np.linalg.norm(arcface_features, axis=1, keepdims=True)

y_pred=arcface_model.predict(X_test, verbose=1) # 追加
y_pred=np.argmax(y_pred, axis=1)# 追加
print('y_pred:', y_pred.shape)# 追加
true_classes = np.argmax(y_ohe_test, axis=1)# 追加
print('true_classes:', true_classes.shape)# 追加

# 精度を表示する。
accuracy = accuracy_score(y_pred, y_test)
print('{:.2%}'.format(accuracy)) # 0.50%

 

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。

-1

google翻訳
モデル入力チェック時のエラー:
モデルに渡すNumpy配列のリストは、モデルが期待するサイズではありません。 2つの配列を見ることが期待されていましたが、代わりに以下の1つの配列のリストを得ました:[array([[[[0。]、

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。

  • 2019/07/22 14:33

    google翻訳の共有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 87.37%
  • 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