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

87.49%

NameError: name 'X_train' is not defined`の解消方法について

受付中

回答 1

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 2,408

score 59

前提・実現したいこと

以下のサンプルコードを参考に、自前のデータセットで実装をしたいと考えています。
サンプルコード

サンプルコードではfit関数を使っていましたが、自前のデータセットが大容量のため、fit_generator関数に書き換え実行したところ、以下のようなエラーが発生してしまいました。
とても基本的な質問となってしまいますが、generatorを使って学習を行う場合、どうすればX_trainやY_trainを定義できるのかご教示いただけないでしょうか。

説明に不足している点がありましたらお手数ですがお知らせいただけますと幸いです。
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

NameError                                 Traceback (most recent call last)
<ipython-input-12-c5e53abddd3d> in <module>
      5     #L2-SoftmaxLoss
      6     print("L2-SoftmaxLoss training...")
----> 7     model0 = train_L2(X_train, to_categorical(Y_train), 4, 50)
      8 
      9     # roc graph

NameError: name 'X_train' is not defined

該当のソースコード

import keras
from keras.models import Model
from keras.layers import Dense, GlobalAveragePooling2D,Input,Dropout,Activation
from keras import applications
from keras.preprocessing.image import ImageDataGenerator
from keras.optimizers import Adam
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 matplotlib.pyplot as plt
%matplotlib inline

os.environ["CUDA_VISIBLE_DEVICES"]="2"#specify GPU

#学習データの準備
class train_Generator_xandy(object): # rule1
    def __init__(self):
        datagen = ImageDataGenerator(rescale=1.0/255.)

        train_generator=datagen.flow_from_directory(
          train_dir,
          target_size=(299,299),
          batch_size=12,#25,
          class_mode='categorical',
          shuffle=True)

        self.gene = train_generator

    def __iter__(self):
    # __next__()はselfが実装してるのでそのままselfを返す
        return self

    def __next__(self): 
        X, Y = self.gene.next()
        return X, Y

class val_Generator_xandy(object):
    def __init__(self):
        validation_datagen=ImageDataGenerator(rescale=1.0/255.)

        validation_generator=validation_datagen.flow_from_directory(
            validation_dir,
            target_size=(299,299),
            batch_size=12,#25,
            class_mode='categorical',
            shuffle=True)

        self.gene = validation_generator

    def __iter__(self):
    # __next__()はselfが実装してるのでそのままselfを返す
        return self

    def __next__(self): 
        X, Y = self.gene.next()
        return X, Y


train_dir = './train'
validation_dir = './validation'
train_generator = train_Generator_xandy()
val_generator = val_Generator_xandy()

#model構築
input_shape = (299, 299, 3)

classes = 4#10
batchsize = 12#128
#alpha = 0.5
def train_L2(x, y, classes, epochs, batchsize=12):
    base_model=keras.applications.inception_resnet_v2.InceptionResNetV2(input_shape=input_shape,
                       weights='imagenet',
                       include_top=False)

    c = base_model.output
    c = GlobalAveragePooling2D()(c)
    c = keras.layers.Lambda(lambda xx: 5*(xx)/K.sqrt(K.sum(xx**2)))(c) #metric learning
    c = Dense(classes, activation='softmax')(c)
    model = Model(inputs=base_model.input,outputs=c)

    #model.summary()

    model.compile(loss='categorical_crossentropy',
                  #optimizer=Adam(lr=0.001),
              #optimizer=SGD(lr=0.01, decay=1e-6, momentum=0.9),
              optimizer=SGD(lr=5e-4, decay=0.00005),
                  metrics=['accuracy'])

    callbacks_list = [
        callbacks.ModelCheckpoint(
        filepath="model.simple.InceptionResNetV2.P5.SGD.a0.5.ep{epoch:02d}.h5",#delsavepath,
        save_weights_only=False,
        save_best_only=True),

       callbacks.EarlyStopping(monitor='val_loss', patience=5, verbose=1)]


    history = model.fit_generator(train_generator, steps_per_epoch=8072, epochs=30, 
                               validation_steps=952, validation_data=validation_generator, 
                               callbacks=callbacks_list)

    return model

def plot_roc(model0, train, test_normal, test_anomaly, name, layer1, layer2, layer3, layer4, layer5):
    #層削除 get score
    Z1_1, Z2_1 = model_modify(model0, train, test_normal, test_anomaly, layer1)
    Z1_2, Z2_2 = model_modify(model0, train, test_normal, test_anomaly, layer2)
    Z1_3, Z2_3 = model_modify(model0, train, test_normal, test_anomaly, layer3)
    Z1_4, Z2_4 = model_modify(model0, train, test_normal, test_anomaly, layer4)
    Z1_5, Z2_5 = model_modify(model0, train, test_normal, test_anomaly, layer5)

    auc1 = roc(Z1_1, Z2_1, "L2 SoftmaxLoss")
    auc2 = roc(Z1_2, Z2_2, "block_16_project_BN")
    auc3 = roc(Z1_3, Z2_3, "block_14_project_BN")
    auc4 = roc(Z1_4, Z2_4, "block_12_project_BN")
    auc5 = roc(Z1_5, Z2_5, "block_10_project_BN")
    plt.legend()
    plt.title(name + '(ROC)')
    plt.xlabel('False Positive Rate')
    plt.ylabel('True Positive Rate')
    plt.grid(True)

    return auc1, auc2, auc3, auc4, auc5, Z2_3 # 異常サンプルだけあとで可視化

#学習
result1, result2, result3, result4, result5,  = [], [], [], [], []

for i in range(10):
    print("Try:",i+1,"/10")
    #L2-SoftmaxLoss
    print("L2-SoftmaxLoss training...")
    model0 = train_L2(X_train, to_categorical(Y_train), 4, 50)
  • 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。

質問への追記・修正、ベストアンサー選択の依頼

  • meg_

    2019/09/21 14:57

    ・リンクは「リンクの挿入」で書いてください。
    ・「NameError: name 'X_train' is not defined」エラーメッセージの意味は理解されていますか?

    キャンセル

  • SuzuAya

    2019/09/21 15:01

    >meg_様
    ご指摘ありがとうございます。リンクの挿入方法を修正しました。
    X_trainが定義されていないからこういったエラーが出るのだということは理解しているのですが、generatorを使用している場合、どのように定義したら良いか分からずこちらに質問をさせていただきました。

    キャンセル

回答 1

+1

【追記】
今回のジェネレータは「keras.utils.data_utils.Sequenceを実装したクラス」であることが必要なようです。
参考サイト

上記サイトにてメモリに乗り切らない大きなデータのKerasでの処理方法が説明されています。
参考に実装してください。

【追記終了】

ジェネレータを生成して「fit_generator()」に渡せばよいかと思います。

参考サイト

train_generator = train_Generator_xandy()
val_generator = val_Generator_xandy()

投稿

編集

  • 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。

  • 2019/09/21 15:49

    >meg_様
    ご回答ありがとうございます。
    質問が分かりにくくて申し訳ないのですが、エラーが発生しているtrain_L2の引数をどうすればよいのか教えていただけないでしょうか。
    試しにX_trainの代わりに、train_generatorを引数にすると、AttributeError: 'DirectoryIterator' object has no attribute 'ndim'というエラーが出てしまいます。

    キャンセル

  • 2019/09/21 21:01

    >meg_様
    ご回答ありがとうございました。お送りいただいたサイトも参考にしながら、もう少し調べてみます。

    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 87.49%
  • 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