kerasで学習モデルを作成したいがエラーが発生してしまう。

Question

前提・実現したいこと

人物画のリアルタイム顔検出をしたいため、モナリザの学習モデルの作成をしようと以下のプログラムを実行したところ、

ValueError: You are passing a target array of shape (765, 1) while using as loss categorical_crossentropy. categorical_crossentropy expects targets to be binary matrices (1s and 0s) of shape (samples, classes). If your targets are integer classes, you can convert them to the expected format via:

from keras.utils import to_categorical
y_binary = to_categorical(y_int)

Alternatively, you can use the loss function sparse_categorical_crossentropy instead, which does expect integer targets.

とこのようなエラーメッセージが表示され、学習が進まない状況です。
原因がわかる方どこに問題があるのか教えていただけると助かります。

発生している問題・エラーメッセージ

Using TensorFlow backend.
(32, 32, 3)
gakusyu.py:32: UserWarning: Update your `Conv2D` call to the Keras 2 API: `Conv2D(16, (3, 3), input_shape=(32, 32, 3..., padding="same")`
  model.add(Convolution2D(16, 3, 3, border_mode="same", input_shape=in_shape))
2019-12-06 14:14:10.771488: I tensorflow/core/platform/cpu_feature_guard.cc:142] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2
gakusyu.py:36: UserWarning: Update your `Conv2D` call to the Keras 2 API: `Conv2D(16, (3, 3), padding="same")`
  model.add(Convolution2D(16, 3, 3, border_mode="same"))
gakusyu.py:46: UserWarning: Update your `Conv2D` call to the Keras 2 API: `Conv2D(32, (3, 3), padding="same")`
  model.add(Convolution2D(32, 3, 3, border_mode="same"))
gakusyu.py:50: UserWarning: Update your `Conv2D` call to the Keras 2 API: `Conv2D(32, (3, 3), padding="same")`
  model.add(Convolution2D(32, 3, 3, border_mode="same"))
gakusyu.py:58: UserWarning: Update your `Conv2D` call to the Keras 2 API: `Conv2D(64, (3, 3), padding="same")`
  model.add(Convolution2D(64, 3, 3, border_mode="same"))
gakusyu.py:62: UserWarning: Update your `Conv2D` call to the Keras 2 API: `Conv2D(64, (3, 3), padding="same")`
  model.add(Convolution2D(64, 3, 3, border_mode="same"))
gakusyu.py:72: UserWarning: Update your `Conv2D` call to the Keras 2 API: `Conv2D(128, (3, 3), padding="same")`
  model.add(Convolution2D(128, 3, 3, border_mode="same"))
gakusyu.py:105: UserWarning: The `nb_epoch` argument in `fit` has been renamed `epochs`.
  model.fit(X, y, batch_size=50, nb_epoch=100)
Traceback (most recent call last):
  File "gakusyu.py", line 124, in <module>
    main()
  File "gakusyu.py", line 22, in main
    model = model_train(X_train, y_train)
  File "gakusyu.py", line 105, in model_train
    model.fit(X, y, batch_size=50, nb_epoch=100)
  File "C:\Users\Taisei\Anaconda3\envs\opencv\lib\site-packages\keras\engine\training.py", line 1154, in fit
    batch_size=batch_size)
  File "C:\Users\Taisei\Anaconda3\envs\opencv\lib\site-packages\keras\engine\training.py", line 642, in _standardize_user_data
    y, self._feed_loss_fns, feed_output_shapes)
  File "C:\Users\Taisei\Anaconda3\envs\opencv\lib\site-packages\keras\engine\training_utils.py", line 284, in check_loss_and_target_compatibility
    ' while using as loss `categorical_crossentropy`. '

ValueError: You are passing a target array of shape (765, 1) while using as loss `categorical_crossentropy`. `categorical_crossentropy` expects targets to be binary matrices (1s and 0s) of shape (samples, classes). If your targets are integer classes, you can convert them to the expected format via:

from keras.utils import to_categorical
y_binary = to_categorical(y_int)


Alternatively, you can use the loss function `sparse_categorical_crossentropy` instead, which does expect integer targets.

該当のソースコード

from keras.models import Sequential
from keras.layers import Convolution2D, MaxPooling2D
from keras.layers import Activation, Dropout, Flatten, Dense
from keras.utils import np_utils
import numpy as np
 
# 分類対象のカテゴリ
root_dir = "C:\python code"
categories = ["output"]
nb_classes = len(categories)
#image_size = 50
 
# データをロード --- (※1)
def main():
    X_train, X_test, y_train, y_test = np.load("monariza.npy")
    # データを正規化する
    X_train = X_train.astype("float") / 256
    X_test  = X_test.astype("float")  / 256
    y_train = np_utils.to_categorical(y_train, nb_classes)
    y_test  = np_utils.to_categorical(y_test, nb_classes)
    # モデルを訓練し評価する    
    model = model_train(X_train, y_train)
    model_eval(model, X_test, y_test)
 
# モデルを構築 --- (※2)
def build_model(in_shape):
    model = Sequential()
    
    print(in_shape)
    #畳み込み層の作成
    #1層目の追加　　１０２４個の層を最初に作り、フィルター3*3のフィルターを１６個作成
    model.add(Convolution2D(16, 3, 3, border_mode="same", input_shape=in_shape)) 
    model.add(Activation("relu"))
    
    #２層目の畳み込み層
    model.add(Convolution2D(16, 3, 3, border_mode="same"))
    model.add(Activation("relu"))
    
     #プーリング層
    model.add(MaxPooling2D())
    
    #Dropoutとは過学習を防ぐためのもの　0.5は次のニューロンへのパスをランダムに半分にするという意味
    model.add(Dropout(0.5))
    
    #３層目の作成
    model.add(Convolution2D(32, 3, 3, border_mode="same"))
    model.add(Activation("relu"))
    
    #４層目の作成
    model.add(Convolution2D(32, 3, 3, border_mode="same"))
    model.add(Activation("relu"))
    
     #プーリング層
    model.add(MaxPooling2D())
    model.add(Dropout(0.5))
    
    #５層目
    model.add(Convolution2D(64, 3, 3, border_mode="same"))
    model.add(Activation("relu"))
    
    #6層目
    model.add(Convolution2D(64, 3, 3, border_mode="same"))
    model.add(Activation("relu"))
    
    #プーリング層
    model.add(MaxPooling2D())
    
    #Dropout
    model.add(Dropout(0.5))
    
    #7層目
    model.add(Convolution2D(128, 3, 3, border_mode="same"))
    model.add(Activation("relu"))
    
    #Dropout
    model.add(Dropout(0.5))
    
    #平坦化
    model.add(Flatten())
    
    #8層目　全結合層　FC
    model.add(Dense(100))
    model.add(Activation("relu"))
    
    #Dropout
    model.add(Dropout(0.5))
    
    #8層目　引数nub_classesとは分類の数を定義する。
    model.add(Dense(nb_classes))
    model.add(Activation('softmax'))
    
    #ここまででモデルの層完成
    
    #lossは損失関数を定義するところ
    model.compile(loss="categorical_crossentropy", 
        metrics   = ["accuracy"], 
        optimizer = "adam"
    )
    return model
 
 
# モデルを訓練する --- (※3)
def model_train(X, y):
    model = build_model(X.shape[1:])
    model.fit(X, y, batch_size=50, nb_epoch=100)
    
    #学習モデルの保存
    json_string = model.to_json()
     #モデルのファイル名　拡張子.json
    open('C:\python code\monariza2.json', 'w').write(json_string)
    
    # モデルを保存する --- (※4)
    hdf5_file = "C:\python code\monariza-model.hdf5"
    model.save_weights(hdf5_file)
    return model
 
# モデルを評価する --- (※5)
def model_eval(model, X, y):
    score = model.evaluate(X, y)
    print('loss=', score[0])
    print('accuracy=', score[1])
 
if __name__ == "__main__":
    main()

試したこと

インターネットで解決策を探しましたが見つかりませんでした。

補足情報（FW/ツールのバージョンなど）

ソースコードや手順はすべてこちらのサイトから参考にさせていただいてます。
https://ai-coordinator.jp/face-recognition#i-6

Answer 1

エラーメッセージにそのまま解決方法が書かれておりますし、過去に同じような質問もあります。

Comments

[genosuke]

ご回答ありがとうございます。
過去の質問通りにloss='categorical_crossentropy',の部分を
loss=='sparse_categorical_crossentropy'に変更するとValueErrorは出なくなりましたが、また別のエラーで、
tensorflow.python.framework.errors_impl.InvalidArgumentError: Received a label value of 1 which is outside the valid range of [0, 1). Label values: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
[[node loss/activation_9_loss/sparse_categorical_crossentropy/SparseSoftmaxCrossEntropyWithLogits/SparseSoftmaxCrossEntropyWithLogits (defined at C:\Users\Taisei\Anaconda3\envs\opencv\lib\site-packages\tensorflow_core\python\framework\ops.py:1751) ]] [Op:__inference_keras_scratch_graph_2819]

Function call stack:
keras_scratch_graph
と表示されてしまい学習が進まないです。
もし解決策がお分かりでしたらご回答お願いいただけないでしょうか。。
何度も申し訳ございません。

[fiveHundred]

「=」は1つで十分（質問者が間違えたのだと思う）ですが、そのようにしておりますか？

[fiveHundred]

…と思ったけれど、categoriesが1種類（nb_classesが1）しかないですね。
categorical_crossentropyやsparse_categorical_crossentropyは「複数のクラスのうちどれなのか」というときに使うものなので、以下のようにする必要があります。
- 2つ以上のクラスにする（例：「人間である」「そうでない」、「人物Aである」「人物Bである」など）
- 1つの出力値だけが必要なのであれば、最後のActivationを'softmax'から他のもの（例：'sigmoid'）にし、lossも変更する（例：'binary_crossentropy'）
（そもそも、モナリザの画像だけでは学習できない気がしますがどうなのでしょう）

[genosuke]

ご回答ありがとうございます。
Activationとlossを教えていただいた通りに変更すると無事学習させることができました！
本当にありがとうございます！！
せっかくなので2つ以上のクラスにした場合も試したいと思います。
ありがとうございました！！