chainerでvalidationが実装できません。

前提・実現したいこと

Chainerを使い、超解像画像生成のためのCNNを作成しています。
作成中のプログラムにvalidationを実装しようとしましたが、エラーが出てしまいました。
エラー文を調べたところ、int型にすべき所にImageが入っている、とのことでしたが、どこをどう直したら良いのか分かりません。（「＃追加」がついている部分に原因があるのだと思います）
解決方法が分かる方がいましたら、是非教えて下さい。

発生している問題・エラーメッセージ

Exception in main training loop: int() argument must be a string, a bytes-like object or a number, not 'Image'
Traceback (most recent call last):###########################.] 99.93%
File "/usr/local/lib/python3.5/dist-packages/chainer/training/trainer.py", line 319, in run
entry.extension(self)imated time to finish: 0:31:41.206374.
File "/usr/local/lib/python3.5/dist-packages/chainer/training/extensions/evaluator.py", line 161, in __call__
result = self.evaluate()
File "/usr/local/lib/python3.5/dist-packages/chainer/training/extensions/evaluator.py", line 216, in evaluate
self.converter, batch, self.device)
File "/usr/local/lib/python3.5/dist-packages/chainer/dataset/convert.py", line 73, in _call_converter
return converter(batch, device)
File "/usr/local/lib/python3.5/dist-packages/chainer/dataset/convert.py", line 58, in wrap_call
return func(*args, **kwargs)
File "/usr/local/lib/python3.5/dist-packages/chainer/dataset/convert.py", line 239, in concat_examples
return to_device(device, _concat_arrays(batch, padding))
File "/usr/local/lib/python3.5/dist-packages/chainer/dataset/convert.py", line 246, in _concat_arrays
arrays = numpy.asarray(arrays)
File "/usr/local/lib/python3.5/dist-packages/numpy/core/numeric.py", line 501, in asarray
return array(a, dtype, copy=False, order=order)
Will finalize trainer extensions and updater before reraising the exception.
Traceback (most recent call last):
File "train.py", line 201, in <module>
trainer.run()
File "/usr/local/lib/python3.5/dist-packages/chainer/training/trainer.py", line 349, in run
six.reraise(*exc_info)
File "/usr/lib/python3/dist-packages/six.py", line 686, in reraise
raise value
File "/usr/local/lib/python3.5/dist-packages/chainer/training/trainer.py", line 319, in run
entry.extension(self)
File "/usr/local/lib/python3.5/dist-packages/chainer/training/extensions/evaluator.py", line 161, in __call__
result = self.evaluate()
File "/usr/local/lib/python3.5/dist-packages/chainer/training/extensions/evaluator.py", line 216, in evaluate
self.converter, batch, self.device)
File "/usr/local/lib/python3.5/dist-packages/chainer/dataset/convert.py", line 73, in _call_converter
return converter(batch, device)
File "/usr/local/lib/python3.5/dist-packages/chainer/dataset/convert.py", line 58, in wrap_call
return func(*args, **kwargs)
File "/usr/local/lib/python3.5/dist-packages/chainer/dataset/convert.py", line 239, in concat_examples
return to_device(device, _concat_arrays(batch, padding))
File "/usr/local/lib/python3.5/dist-packages/chainer/dataset/convert.py", line 246, in _concat_arrays
arrays = numpy.asarray(arrays)
File "/usr/local/lib/python3.5/dist-packages/numpy/core/numeric.py", line 501, in asarray
return array(a, dtype, copy=False, order=order)
TypeError: int() argument must be a string, a bytes-like object or a number, not 'Image'

該当のソースコード

import chainer
import chainer.functions as F
import chainer.links as L
from chainer import training, datasets, iterators, optimizers
from chainer import report  
from chainer.training import extensions
from chainer.datasets import LabeledImageDataset
import numpy as np
import os
import math
from PIL import Image
from PIL import ImageFile
ImageFile.LOAD_TRUNCATED_IMAGES = True

batch_size = 128           
uses_device = 0                # GPU#0を使用

# GPU使用時とCPU使用時でデータ形式が変わる
if uses_device >= 0:
	import cupy as cp
	import chainer.cuda
else:
	cp = np

class SuperResolution_NN(chainer.Chain):

	def __init__(self):
		# 重みデータの初期値を指定する
		w1 = chainer.initializers.Normal(scale=0.0378, dtype=None)
		w2 = chainer.initializers.Normal(scale=0.3536, dtype=None)
		w3 = chainer.initializers.Normal(scale=0.1179, dtype=None)
		w4 = chainer.initializers.Normal(scale=0.189, dtype=None)
		w5 = chainer.initializers.Normal(scale=0.0001, dtype=None)
		super(SuperResolution_NN, self).__init__()
		# 全ての層を定義する
		with self.init_scope():
			self.c1 = L.Convolution2D(1, 56, ksize=5, stride=1, pad=0, initialW=w1)
			self.l1 = L.PReLU()
			self.c2 = L.Convolution2D(56, 12, ksize=1, stride=1, pad=0, initialW=w2)
			self.l2 = L.PReLU()
			self.c3 = L.Convolution2D(12, 12, ksize=3, stride=1, pad=1, initialW=w3)
			self.l3 = L.PReLU()
			self.c4 = L.Convolution2D(12, 12, ksize=3, stride=1, pad=1, initialW=w3)
			self.l4 = L.PReLU()
			self.c5 = L.Convolution2D(12, 12, ksize=3, stride=1, pad=1, initialW=w3)
			self.l5 = L.PReLU()
			self.c6 = L.Convolution2D(12, 12, ksize=3, stride=1, pad=1, initialW=w3)
			self.l6 = L.PReLU()
			self.c7 = L.Convolution2D(12, 56, ksize=1, stride=1, pad=1, initialW=w4)
			self.l7 = L.PReLU()
			self.c8 = L.Deconvolution2D(56, 1, ksize=9, stride=3, pad=4, initialW=w5)

	def __call__(self, x, t=None, train=True):
		h1 = self.l1(self.c1(x))
		h2 = self.l2(self.c2(h1))
		h3 = self.l3(self.c3(h2))
		h4 = self.l4(self.c4(h3))
		h5 = self.l5(self.c5(h4))
		h6 = self.l6(self.c6(h5))
		h7 = self.l7(self.c7(h6))
		h8 = self.c8(h7)
		loss = F.mean_squared_error(h8, t)
		report ({ 'loss' : loss }, self )
 
		# 損失か結果を返す
		return F.mean_squared_error(h8, t) if train else h8

# カスタムUpdaterのクラス
class SRUpdater(training.StandardUpdater):

	def __init__(self, train_iter, optimizer, device):
		super(SRUpdater, self).__init__(
			train_iter,
			optimizer,
			device=device
		)
	
	def update_core(self):
		# データを1バッチ分取得
		batch = self.get_iterator('main').next()
		# Optimizerを取得
		optimizer = self.get_optimizer('main')
		
		# バッチ分のデータを作る
		x_batch = [] # 入力データ
		y_batch = [] # 正解データ
		for img in batch:
			# 高解像度データ
			hpix = np.array(img, dtype=np.float32)  / 255.0
			y_batch.append([hpix[:,:,0]]) # Yのみの1chデータ
			# 低解像度データを作る
			low = img.resize((16, 16), Image.NEAREST)
			lpix = np.array(low, dtype=np.float32) / 255.0
			x_batch.append([lpix[:,:,0]]) # Yのみの1chデータ
		
		# numpy or cupy配列にする
		x = cp.array(x_batch, dtype=cp.float32)
		y = cp.array(y_batch, dtype=cp.float32)
		
		# ニューラルネットワークを学習させる
		optimizer.update(optimizer.target, x, y)

# ニューラルネットワークを作成
model = SuperResolution_NN()

if uses_device >= 0:
	# GPUを使う
	chainer.cuda.get_device_from_id(0).use()
	chainer.cuda.check_cuda_available()
	# GPU用データ形式に変換
	model.to_gpu()

images_train = []

# 全てのファイル
fs = os.listdir('images/train')
for fn in fs:
	# 画像を読み込み
	img = Image.open('images/train/' + fn).resize((320, 320)).convert('YCbCr')
	cur_x = 0
	while cur_x <= 320 - 40:
		cur_y = 0
		while cur_y <= 320 - 40:
			# 画像から切りだし
			rect = (cur_x, cur_y, cur_x+40, cur_y+40)
			cropimg = img.crop(rect).copy()
			# 配列に追加
			images_train.append(cropimg)
			# 次の切りだし場所へ
			cur_y += 20
		cur_x += 20

images_val = []	 #追加

# 全てのファイル
fs = os.listdir('images/val')
for fn in fs:
	# 画像を読み込み
	img = Image.open('images/val/' + fn).resize((320, 320)).convert('YCbCr')

	cur_x = 0
	while cur_x <= 320 - 40:
		cur_y = 0
		while cur_y <= 320 - 40:
			# 画像から切りだし
			rect = (cur_x, cur_y, cur_x+40, cur_y+40)
			cropimg = img.crop(rect).copy()
			# 配列に追加
			images_val.append(cropimg)
			# 次の切りだし場所へ
			cur_y += 20
		cur_x += 20
					
# 繰り返し条件を作成する
train_iter = iterators.SerialIterator(images_train, batch_size, shuffle=True)

val_iter = iterators.SerialIterator(images_val, batch_size, shuffle=False, repeat=False)  #追加

# 誤差逆伝播法アルゴリズムを選択する
optimizer = optimizers.Adam()
optimizer.setup(model)

# デバイスを選択してTrainerを作成する
updater = SRUpdater(train_iter, optimizer, device=uses_device)
trainer = training.Trainer(updater, (2000, 'epoch'), out="result")

# 学習の進展を表示するようにする
trainer.extend(extensions.ProgressBar())

# モデルのtrainプロパティをFalseに設定してvalidationするextension
trainer.extend(extensions.Evaluator(val_iter, model,device=uses_device))  #追加

trainer.extend(extensions.PrintReport(['epoch', 'main/loss', 'validation/main/loss', 'elapsed_time'])) #追加

#学習のlogを保存する
trainer.extend(extensions.LogReport())

# 損失関数の値をグラフにする機能
if extensions.PlotReport.available():
	trainer.extend(extensions.PlotReport(['main/loss'], x_key='epoch', file_name='loss.png'))
	trainer.extend(extensions.PlotReport(['validation/main/loss'], x_key='epoch', file_name='val_loss.png')) #追加

# 中間結果を保存する
n_save = 0
@chainer.training.make_extension(trigger=(1000, 'epoch'))
def save_model(trainer):
	# NNのデータを保存
	global n_save
	n_save = n_save+1
	chainer.serializers.save_hdf5( 'net/fsrcnn-'+str(n_save)+'.hdf5', model )
trainer.extend(save_model)

# 機械学習を実行する
trainer.run()

# 学習結果を保存する
chainer.serializers.save_hdf5( 'net/fsrcnn.hdf5', model )

試したこと

補足情報（FW/ツールのバージョンなど）

Python 3.5.2
chainer 6.4.0

行動規範の内容に同意します

回答1件

int型にすべき所にImageが入っている

いえ、int() の引数はstringかbyteの様なオブジェクトか、numberであってimageではありません。

投稿2019/10/22 11:46

Q71

総合スコア995

ih_hakase

2019/10/22 13:34

自分の解釈が間違っていたようです。ご指摘ありがとうございます。ただ、それを踏まえた上でも、プログラムをどのように直して良いのか分かりません。申し訳ありませんが、プログラムの改善点についてご指摘いただけたら幸いです。

Q71

2019/10/22 21:51

該当箇所がわからなかったので、書きませんでした。iPhoneで見ているのですが、その様なエラーはどこで発生するのでしょう？トレーナーができているなら、バリデーターも同じように作成できるのでは？

ih_hakase

2019/10/23 10:56

私も、エラーがどこで発生しているのか分からず手が止まっています。 validationを実装しようと思い、元々動いていたプログラムに「＃追加」とコメントした部分を追加しましたところ、上記のようなエラーが出た次第です。個人的には、バリデーションデータを読み込むところでエラーが発生しているのではないか、と当たりをつけているのですが、未だに改善出来ていません……

Q71

2019/10/23 12:17

エラー文は、ここに書いてあるものが全てですか？実行のスタックトーレスは出ていませんか？

ih_hakase

2019/10/24 13:23 編集

のせているエラー文が全文ではなかったため、「発生している問題・エラーメッセージ」の欄に追記させていただきました。

行動規範の内容に同意します