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
Python
1import keras 2from keras.models import Model 3from keras.models import load_model 4from keras.layers import Dense, GlobalAveragePooling2D,Input,Dropout,Activation 5from keras.applications.mobilenetv2 import MobileNetV2 6from keras.applications.resnet50 import ResNet50 7from keras.applications.inception_v3 import InceptionV3 8from keras.preprocessing.image import ImageDataGenerator 9from keras.optimizers import Adam 10from keras.utils import plot_model, np_utils 11from keras.callbacks import CSVLogger,EarlyStopping 12import numpy as np 13from keras import backend as K 14from keras.engine.topology import Layer 15import numpy as np 16import tensorflow as tf 17from keras.preprocessing.image import load_img, img_to_array, array_to_img 18import os 19import glob 20import cv2 21from PIL import Image 22import matplotlib.pyplot as plt 23from sklearn import metrics 24 25%matplotlib inline 26 27model = load_model('model.ep01.h5', compile=False) 28 29image_size_width, image_size_height = (299, 299) 30 31#テストデータの準備 32folder = ["A", "B", "C", "D"] 33X = [] 34Y = [] 35for index, name in enumerate(folder): 36 dir = "./" + name 37 files = glob.glob(dir + "/*.jpeg") 38 for i, file in enumerate(files): 39 image = Image.open(file) 40 image = image.convert("RGB")#("L") 41 image = image.resize((image_size_width, image_size_height)) 42 data = np.asarray(image) 43 X.append(data) 44 Y.append(index) 45 46X = np.array(X) 47Y = np.array(Y) 48 49X = np.reshape(X, [-1, image_size_width,image_size_height])#,1]) 50 51print('X.shape', X.shape)#X.shape (3000, 299, 299) 52 53X = X[:, :, :, np.newaxis].astype('float32') / 255 54print('X.shape', X.shape)#X.shape (3000, 299, 299, 1) 55Y = keras.utils.to_categorical(Y, 4) 56y_true = np.argmax(Y, axis=1) 57print('y_true.shape', y_true.shape)#y_true.shape(1000,) 58X = model.predict(X, verbose=1) 59y_pred=np.argmax(X, axis=1) 60print('y_pred.shape', y_pred.shape) 61 62accuracy = accuracy_score(y_true, y_pred) 63print('accuracy:{:.2%}'.format(accuracy)) 64 65precison = precision_score(y_true, y_pred) 66print('precision:{:.2%}'.format(precision)) 67 68sensitivity = recall_score(y_true, y_pred) 69print('sensitivity:{:.2%}'.format(sensitivity)) 70 71f1 = f1_score(y_true, y_pred) 72print('f1:{:.2%}'.format(f1)) 73 74confusion_matrix(y_true, y_pred, labels=["NORMAL", "DME", "CNV", "DRUSEN"]) 75 76tp, fn, fp, tn = confusion_matrix(y_true, y_pred).ravel() 77(tp, fn, fp, tn) 78 79fpr, tpr, thresholds = metrics.roc_curve(y_true, y_pred) 80 81auc = metrics.auc(fpr, tpr) 82 83# ROC曲線をプロット 84plt.plot(fpr, tpr, label='ROC curve (area = %.2f)'%auc) 85plt.legend() 86plt.title('ROC curve') 87plt.xlabel('False Positive Rate') 88plt.ylabel('True Positive Rate') 89plt.grid(True) 90plt.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。
回答1件
あなたの回答
tips
プレビュー
バッドをするには、ログインかつ
こちらの条件を満たす必要があります。
2019/08/19 01:55