Python3 expected input shape(299, 299, 3)と実際のデータサイズ(299, 299, 1)の違いを修正したい

Question

前提・実現したいこと

学習済みのモデルの精度等を検証したいのですが、テストデータのshapeについてエラーが発生しております。
また、テストデータは合計1,000枚なのですが、shapeを表示させてみると、なぜか3,000枚になっています(img.convertの部分を"L"にすると、正しく1,000枚と表示されます）。
np.reshapeの部分がうまくいっていないのかと思ったのですが、修正方法がよく分からずこちらで質問させていただきました。
お手数をおかけしますが修正方法についてどなたかご教示頂けますと大変助かります。

発生している問題・エラーメッセージ

ValueError: Error when checking input: expected input_1 to have shape (299, 299, 3) but got array with shape (299, 299, 1)

該当のソースコード

import keras
from keras.models import Model
from keras.models import load_model
from keras.layers import Dense, GlobalAveragePooling2D,Input,Dropout,Activation
from keras.applications.mobilenetv2 import MobileNetV2
from keras.applications.resnet50 import ResNet50
from keras.applications.inception_v3 import InceptionV3
from keras.preprocessing.image import ImageDataGenerator
from keras.optimizers import Adam
from keras.utils import plot_model, np_utils 
from keras.callbacks import CSVLogger,EarlyStopping
import numpy as np
from keras import backend as K
from keras.engine.topology import Layer
import numpy as np
import tensorflow as tf
from keras.preprocessing.image import load_img, img_to_array, array_to_img
import os
import glob
import cv2
from PIL import Image
import matplotlib.pyplot as plt
from sklearn import metrics

%matplotlib inline

model = load_model('model.ep01.h5', compile=False)

image_size_width, image_size_height = (299, 299)

#テストデータの準備
folder = ["A", "B", "C", "D"]
X = []
Y = []
for index, name in enumerate(folder):
    dir = "./" + name
    files = glob.glob(dir + "/*.jpeg")
    for i, file in enumerate(files):
        image = Image.open(file)
        image = image.convert("RGB")#("L")
        image = image.resize((image_size_width, image_size_height))
        data = np.asarray(image)
        X.append(data)
        Y.append(index)

X = np.array(X)
Y = np.array(Y)

X = np.reshape(X, [-1, image_size_width,image_size_height])#,1])

print('X.shape', X.shape)#X.shape (3000, 299, 299)

X = X[:, :, :, np.newaxis].astype('float32') / 255
print('X.shape', X.shape)#X.shape (3000, 299, 299, 1)
Y = keras.utils.to_categorical(Y, 4)
y_true = np.argmax(Y, axis=1)
print('y_true.shape', y_true.shape)#y_true.shape(1000,)
X = model.predict(X, verbose=1)
y_pred=np.argmax(X, axis=1)
print('y_pred.shape', y_pred.shape)

accuracy = accuracy_score(y_true, y_pred)
print('accuracy:{:.2%}'.format(accuracy))

precison = precision_score(y_true, y_pred)
print('precision:{:.2%}'.format(precision))

sensitivity = recall_score(y_true, y_pred)
print('sensitivity:{:.2%}'.format(sensitivity))

f1 = f1_score(y_true, y_pred)
print('f1:{:.2%}'.format(f1))

confusion_matrix(y_true, y_pred, labels=["NORMAL", "DME", "CNV", "DRUSEN"])

tp, fn, fp, tn = confusion_matrix(y_true, y_pred).ravel()
(tp, fn, fp, tn)

fpr, tpr, thresholds = metrics.roc_curve(y_true, y_pred)

auc = metrics.auc(fpr, tpr)

# ROC曲線をプロット
plt.plot(fpr, tpr, label='ROC curve (area = %.2f)'%auc)
plt.legend()
plt.title('ROC curve')
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.grid(True)
plt.savefig('./sklearn_roc_curve.png')

試したこと

Xのnp.reshape部分を修正したりしてみましたがうまくいきませんでした。

Answer 1

すでに (サンプル数, 高さ, 幅, 3) となっている配列 X を reshape しなくてよいのではないでしょうか。

以下の1行を消すとよいかと思います。

X = np.reshape(X, [-1, image_size_width,image_size_height])#,1])

Comments

[SuzuAya]

>tiitoi様
教えていただいた方法でうまくいきました！いつもありがとうございます。大変助かりました。