numpy.reshapeの変換エラーについて

Question

前提・実現したいこと

3種類の画像を識別を判別し,精度を算出するプログラムを作成しております。
実行したところreshape()の形状変換でエラーが発生しました。
修正すべきところを教えていただきたいです。

また、
im_rows=150
im_cols=150
と設定しているのにも関わらず、(32, 32, 3)にreshapeしようとしているのかもわかりませんので教えていただきたいです。
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

line 89, in <module>
    x=x.reshape(-1,im_rows,im_cols,im_color)
ValueError: cannot reshape array of size 40500000 into shape (32,32,3)

エラーが起きるソースコード

import keras
from keras.models import  Sequential
from keras.layers import Dense,Dropout,Flatten
from keras.layers import Conv2D,MaxPooling2D
from keras.optimizers import  RMSprop

import cnn_model
import matplotlib.pyplot as plt
import numpy as np
from sklearn.model_selection import train_test_split

from keras.preprocessing.image import ImageDataGenerator, array_to_img, img_to_array, load_img


import pandas as pd
import seaborn as sns
from sklearn.metrics import confusion_matrix
import matplotlib.pyplot as plt

#cnnのモデルを定義する

def def_model(in_shape,nb_classes):
    model=Sequential()
    model.add(Conv2D(32,kernel_size=(3,3),activation="relu",input_shape=in_shape))
    model.add(Conv2D(32,(3,3),activation="relu"))
    model.add(MaxPooling2D(pool_size=(2,2)))
    model.add(Dropout(0.25))
    
    model.add(Conv2D(64,(3,3),activation="relu"))
    model.add(Conv2D(64,(3,3),activation="relu",name="relu_conv2"))
   #最後の畳み込み層の名称を後ほど使うので定義しておく。
    model.add(MaxPooling2D(pool_size=(2,2)))
    model.add(Dropout(0.25))
    
    model.add(Flatten())
    model.add(Dense(512,activation="relu"))
    model.add(Dropout(0.5))
    model.add(Dense(nb_classes,activation="softmax"))
    
    return model

#コンパイル済みのcnnのモデルを返す

def get_model(in_shape,nb_classes):
    model=def_model(in_shape,nb_classes)
    model.compile(
        loss="categorical_crossentropy",
        optimizer=RMSprop(),
        metrics=["accuracy"])
    return model

datagen = ImageDataGenerator(
        rotation_range=45,
        vertical_flip=True,
        horizontal_flip=True,
    fill_mode='nearest')

def images_gen(x_list,y_list):
    x_list_add=[]
    y_list_add=[]
    for x ,y in zip(x_list,y_list):#xは(3, 150, 150)で受け取る
        x = x.reshape((1,) + x.shape)  #(1, 3, 150, 150)に変換する

        batch_list=[]
        i = 0
        for batch in datagen.flow(x, batch_size=1):
            batch=batch.astype(np.uint8)#データ型を揃える！！
            batch=batch.reshape((150, 150, 3))
            x_list_add.append(batch)
            y_list_add.append(y)
            i += 1
            if i > 9:#１枚から10枚作る
                break             
    x_np_add=np.array(x_list_add)
    y_np_add=np.array(y_list_add)

            
    return x_np_add,y_np_add


#入力と出力を指定
im_rows=150
im_cols=150
im_color=3
in_shape=(im_rows,im_cols,im_color)
nb_classes=3

#写真データを読み込み
photos=np.load("./photos_hanbetu.npz")
x=photos["x"]
y=photos["y"]

#読み込んだデータを三次元配列に変換
x=x.reshape(-1,im_rows,im_cols,im_color)

#学習用とテスト用に分ける
x_train,x_test,y_train,y_test=train_test_split(x,y,train_size=0.8)

#ここで水増しする！！
x_train_add,y_train_add=images_gen(x_train,y_train)
x_train_add=x_train_add.astype("float32")/255
x_test=x_test.astype("float32")/255

#ラベルデータをone-hotベクトルに直す
y_train_add=keras.utils.np_utils.to_categorical(y_train_add.astype("int32"),nb_classes)
y_test=keras.utils.np_utils.to_categorical(y_test.astype("int32"),nb_classes)

#cnnモデルを取得
model=cnn_model.get_model(in_shape,nb_classes)

#モデルを評価


def print_cmx(y_true, y_pred):
    labels = sorted(list(set(y_true)))
    cmx_data = confusion_matrix(y_true, y_pred, labels=labels)
    labels= ["a","b","c"]#ラベルを付け加える
    df_cmx = pd.DataFrame(cmx_data, index=labels, columns=labels)

    plt.figure(figsize = (10,7))
    sns.heatmap(df_cmx, annot=True)
    plt.xlabel("Predict-labels")
    plt.ylabel("True-labels")

    plt.show()

predict_classes = model.predict_classes(x_test, batch_size=32)
true_classes = np.argmax(y_test,1)
print_cmx(true_classes,predict_classes)

画像データとラベルデータを保存するファイル

import os,glob,random
import cv2
import numpy as np

outfile="./photos_hanbetu.npz"#保存ファイル名
max_photo=200
photo_size=150
x=[]#画像データ
y=[]#ラベルデータ

def main():
    #各画像のフォルダーを読む
    glob_files("./a",0)
    glob_files("./b",1)
    glob_files("./c",2)
    
    #ファイルへ保存
    np.savez(outfile,x=x,y=y)#xとyがnumpyのリストとして与えられる
    print("保存しました："+outfile,len(x))
    
#path以下の画像を読み込む
def glob_files(path,label):
    files=glob.glob(path+"/*.jpg")
    random.shuffle(files)
    #各ファイルを処理
    num=0
    #print(files)
    for f in files:
        if num >=max_photo:break
        num+=1
        #画像ファイルを読む
        img=cv2.imread(f)
        print(img.shape)
        img=cv2.resize(img, (photo_size,photo_size ))
        img=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
        img=np.asarray(img)
        print(x)
        x.append(img)
        y.append(label)
        
    print(num)

if __name__=="__main__":
    main()

Comments

[tetsu316]

reshapeする前のxのshapeが知りたいです。