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!

新規登録して質問してみよう
ただいま回答率
85.50%
Keras

Kerasは、TheanoやTensorFlow/CNTK対応のラッパーライブラリです。DeepLearningの数学的部分を短いコードでネットワークとして表現することが可能。DeepLearningの最新手法を迅速に試すことができます。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

Q&A

解決済

2回答

901閲覧

keras:MNISTの畳み込みニューラルネットワークでエラーが出ます..

python_2019

総合スコア68

Keras

Kerasは、TheanoやTensorFlow/CNTK対応のラッパーライブラリです。DeepLearningの数学的部分を短いコードでネットワークとして表現することが可能。DeepLearningの最新手法を迅速に試すことができます。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

0グッド

0クリップ

投稿2019/11/06 05:19

見よう見まねで、CNNのコードを書いて実行しました。
エラーが発生しまして、エラー内容を読んでも、どうも理解できません。

どなたか、お詳しい方、ご指導お願いいたします。

from keras.models import Sequential from keras.layers.convolutional import Convolution2D, MaxPooling2D from keras.layers.core import Dense, Dropout, Activation, Flatten from keras.optimizers import Adadelta from keras.callbacks import EarlyStopping import keras from keras.datasets import mnist from keras.optimizers import RMSprop # MNISTデータを読込む (x_train, y_train), (x_test, y_test) = mnist.load_data() # MNISTデータを加工する x_train = x_train.reshape(60000, 784) x_test = x_test.reshape(10000, 784) x_train = x_train.astype('float32') x_test = x_test.astype('float32') x_train /= 255 x_test /= 255 y_train = keras.utils.to_categorical(y_train, 10) y_test = keras.utils.to_categorical(y_test, 10) # 各層のパラメータ nb_filters = 10 # 畳み込みフィルタ数 nb_conv = 3 # 畳み込みフィルタの縦横pixel数 nb_pool = 2 # プーリングを行う範囲の縦横pixel数   nb_classes = 10 # 分類するクラス数 nb_epoch = 50 # 最適化計算のループ回数 # 特徴量抽出 model = Sequential() model.add(Convolution2D(nb_filters, nb_conv, nb_conv)) # 畳み込みフィルタ層 model.add(Activation("relu")) # 最適化関数 model.add(MaxPooling2D(pool_size=(nb_pool, nb_pool))) # プーリング層 model.add(Dropout(0.2)) # ドロップアウト層 # 特徴量に基づいた分類 model.add(Flatten()) # 全結合層入力のためのデータの一次元化(図1では省略している) model.add(Dense(128)) # 全結合層 model.add(Activation("relu")) # 最適化関数 model.add(Dropout(0.2)) # ドロップアウト層 model.add(Dense(nb_classes)) # 出力層(全結合層:ノードの数は分類クラス数) model.add(Activation("softmax")) # 出力層 #モデルのコンパイル model.compile(loss="categorical_crossentropy", optimizer="adadelta", metrics=["accuracy"]) # モデルの学習 early_stopping = EarlyStopping(patience=2, verbose=1) model.fit(x_train, y_train, nb_epoch=nb_epoch, batch_size=128, verbose=1, validation_split=0.2, callbacks=[early_stopping]) # patientce:何回連続で損失の最小値が更新されなかったらループを止めるか # verbose:コマンドラインにコメントを出力する場合は"1"と設定 # batch_size:計算効率化のために分割された訓練データの1グループあたりのデータ数 # validation_split:全ての画像の内、評価画像として用いる割合(0.2なら最後の20%) # モデルの評価 classes = model.predict(x_test, batch_size=128, verbose=True) print(classes[0])
C:\python\anaconda\pgm\lib\site-packages\ipykernel_launcher.py:35: UserWarning: Update your `Conv2D` call to the Keras 2 API: `Conv2D(10, (3, 3))` C:\python\anaconda\pgm\lib\site-packages\ipykernel_launcher.py:54: UserWarning: The `nb_epoch` argument in `fit` has been renamed `epochs`. --------------------------------------------------------------------------- ValueError Traceback (most recent call last) <ipython-input-180-ade778f5d9df> in <module> 52 early_stopping = EarlyStopping(patience=2, verbose=1) 53 ---> 54 model.fit(x_train, y_train, nb_epoch=nb_epoch, batch_size=128, verbose=1, validation_split=0.2, callbacks=[early_stopping]) 55 56 # patientce:何回連続で損失の最小値が更新されなかったらループを止めるか C:\python\anaconda\pgm\lib\site-packages\keras\engine\training.py in fit(self, x, y, batch_size, epochs, verbose, callbacks, validation_split, validation_data, shuffle, class_weight, sample_weight, initial_epoch, steps_per_epoch, validation_steps, **kwargs) 950 sample_weight=sample_weight, 951 class_weight=class_weight, --> 952 batch_size=batch_size) 953 # Prepare validation data. 954 do_validation = False C:\python\anaconda\pgm\lib\site-packages\keras\engine\training.py in _standardize_user_data(self, x, y, sample_weight, class_weight, check_array_lengths, batch_size) 675 # to match the value shapes. 676 if not self.inputs: --> 677 self._set_inputs(x) 678 679 if y is not None: C:\python\anaconda\pgm\lib\site-packages\keras\engine\training.py in _set_inputs(self, inputs, outputs, training) 587 assert len(inputs) == 1 588 inputs = inputs[0] --> 589 self.build(input_shape=(None,) + inputs.shape[1:]) 590 return 591 C:\python\anaconda\pgm\lib\site-packages\keras\engine\sequential.py in build(self, input_shape) 219 self.inputs = [x] 220 for layer in self._layers: --> 221 x = layer(x) 222 self.outputs = [x] 223 self._build_input_shape = input_shape C:\python\anaconda\pgm\lib\site-packages\keras\engine\base_layer.py in __call__(self, inputs, **kwargs) 412 # Raise exceptions in case the input is not compatible 413 # with the input_spec specified in the layer constructor. --> 414 self.assert_input_compatibility(inputs) 415 416 # Collect input shapes to build layer. C:\python\anaconda\pgm\lib\site-packages\keras\engine\base_layer.py in assert_input_compatibility(self, inputs) 309 self.name + ': expected ndim=' + 310 str(spec.ndim) + ', found ndim=' + --> 311 str(K.ndim(x))) 312 if spec.max_ndim is not None: 313 ndim = K.ndim(x) ValueError: Input 0 is incompatible with layer conv2d_16: expected ndim=4, found ndim=2

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MY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。

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。

guest

回答2

0

ベストアンサー

print(x_train.shape[0])などで何の数字なのか見てみると良いと思います。

x_train.shapeでx_trainのデータの形(簡単には、何行×何列のデータなのか)
がわかると思います。

x_train.shape[0]でその1番目の数値を取り出しているので、
x_trainのデータの数ですね。

x_train = x_train.reshape(x_train.shape[0], 28, 28,1)


x_trainを 何個 28×28の大きさ、モノクロ 
の形に変換しますよ、という解釈でよいと思います。

投稿2020/07/06 05:18

haruharu00

総合スコア9

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。

python_2019

2020/07/06 07:09

わかりやすい解説、どうもありがとうございました。
guest

0

二次元畳み込みでやるなら、 x_train.reshape(60000, 784)してはいけないのでは。

投稿2019/11/06 22:17

hayataka2049

総合スコア30933

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。

python_2019

2019/11/07 05:27

ご連絡ありがとうございます。 以下のように、2次元?に修正しましたら、なんとかうまく行きました。 x_train = x_train.reshape(x_train.shape[0], 28, 28,1) x_test = x_test.reshape(x_test.shape[0], 28, 28,1) このコードについて追加でお教えください。 shape[0]の[0]は、行数を取得するパラメータかと思いますが、これは、どのような意味があるのでしょうか?後の処理にどのように影響するのでしょうか? その[0]に続く、28,28,1 のパラメータ指定だけでは不足するのでしょうか? また、28,28,1 は、2次元ではなく3次元になるのでしょうか? ご指導をよろしくお願いいたします。
guest

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

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
85.50%

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る

質問する

関連した質問