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

89.10%

画像認識AIでconv2dのエラーが直らない。

受付中

回答 1

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 195
退会済みユーザー

退会済みユーザー

前提・実現したいこと

現在、人工知能の勉強をしていて、『画像認識で「綾鷹を選ばせる」AIを作る』 (https://qiita.com/tomo_20180402/items/e8c55bdca648f4877188) を参考にプログラムを書いているのですが、エラーが発生したのですが、対処法がわからず先に進むことができません。

Anaconda3の環境です。
参考URL(https://qiita.com/tomo_20180402/items/e8c55bdca648f4877188)の「⑵予測モデルを構築/学習する」の「①シンプルにモデルを構築する」の四つ目です。

発生している問題・エラーメッセージ

要素数が違うという問題みたいです。

Error when checking input: expected conv2d_1_input to have 4 dimensions, but got array with shape (0, 1)

該当のソースコード

#ラベリングによる学習/検証データの準備

#import os
#os.environ['KERAS_BACKEND']='tensorflow'
#

from PIL import Image
import os, glob
import numpy as np
import random, math



#画像が保存されているルートディレクトリのパス
root_dir = "C:/animal_pic"
# 商品名
categories = ["pos",
            "neg"]

# 画像データ用配列
X = []
# ラベルデータ用配列
Y = []

#画像データごとにadd_sample()を呼び出し、X,Yの配列を返す関数
def make_sample(files):
    global X, Y
    X = []
    Y = []
    for cat, fname in files:
        add_sample(cat, fname)
    return np.array(X), np.array(Y)

#渡された画像データを読み込んでXに格納し、また、
#画像データに対応するcategoriesのidxをY格納する関数
def add_sample(cat, fname):
    img = Image.open(fname)
    img = img.convert("RGB")
    #img = img.resize((150, 150))
    data = np.asarray(img)
    X.append(data)
    Y.append(cat)

#全データ格納用配列
allfiles = []

#カテゴリ配列の各値と、それに対応するidxを認識し、全データをallfilesにまとめる
for idx, cat in enumerate(categories):
    image_dir = root_dir + "/" + cat
    files = glob.glob(image_dir + "/*.tif")
    for f in files:
        allfiles.append((idx, f))

#シャッフル後、学習データと検証データに分ける
random.shuffle(allfiles)
th = math.floor(len(allfiles) * 0.8)
train = allfiles[0:th]
test  = allfiles[th:]
X_train, y_train = make_sample(train)
X_test, y_test = make_sample(test)
xy = (X_train, X_test, y_train, y_test)
#データを保存する
np.save("animal_data.npy", xy)

実行結果

表示なし

 

#モデルの構築

from keras import layers, models

model = models.Sequential()
model.add(layers.Conv2D(32,(3,3),activation="relu",input_shape=(150,150,3)))
model.add(layers.MaxPooling2D((2,2)))
model.add(layers.Conv2D(64,(3,3),activation="relu"))
model.add(layers.MaxPooling2D((2,2)))
model.add(layers.Conv2D(128,(3,3),activation="relu"))
model.add(layers.MaxPooling2D((2,2)))
model.add(layers.Conv2D(128,(3,3),activation="relu"))
model.add(layers.MaxPooling2D((2,2)))
model.add(layers.Flatten())
model.add(layers.Dense(512,activation="relu"))
model.add(layers.Dense(2,activation="sigmoid")) #分類先の種類分設定

#モデル構成の確認
model.summary()

実行結果


Layer (type)                 Output Shape              Param #   

conv2d_5 (Conv2D)            (None, 148, 148, 32)      896       


max_pooling2d_5 (MaxPooling2 (None, 74, 74, 32)        0         


conv2d_6 (Conv2D)            (None, 72, 72, 64)        18496     


max_pooling2d_6 (MaxPooling2 (None, 36, 36, 64)        0         


conv2d_7 (Conv2D)            (None, 34, 34, 128)       73856     


max_pooling2d_7 (MaxPooling2 (None, 17, 17, 128)       0         


conv2d_8 (Conv2D)            (None, 15, 15, 128)       147584    


max_pooling2d_8 (MaxPooling2 (None, 7, 7, 128)         0         


flatten_2 (Flatten)          (None, 6272)              0         


dense_3 (Dense)              (None, 512)               3211776   


dense_4 (Dense)              (None, 2)                 1026      

Total params: 3,453,634
Trainable params: 3,453,634
Non-trainable params: 0

 

#モデルのコンパイル

from keras import optimizers

model.compile(loss="binary_crossentropy",
              optimizer=optimizers.RMSprop(lr=1e-4),
              metrics=["acc"])

実行結果

表示なし

 

#データの準備
from keras.utils import np_utils
import numpy as np

categories = ["pos","neg"]
nb_classes = len(categories)

X_train, X_test, y_train, y_test = np.load("/animal_data.npy")

#データの正規化
X_train = X_train.astype("float") / 255
X_test  = X_test.astype("float")  / 255

#kerasで扱えるようにcategoriesをベクトルに変換
y_train = np_utils.to_categorical(y_train, nb_classes)
y_test  = np_utils.to_categorical(y_test, nb_classes)

実行結果

表示なし

 

#モデルの学習

model = model.fit(X_train,
                  y_train,
                  epochs=10,
                  batch_size=6,
                  validation_data=(X_test,y_test))

実行結果 ここでエラーがでてます。

ValueError                                Traceback (most recent call last)
<ipython-input-5-a383b561d91a> in <module>
4                   epochs=10,
5                   batch_size=6,
----> 6                   validation_data=(X_test,y_test))

C:\ProgramData\Anaconda3\envs\PythonAI\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:\ProgramData\Anaconda3\envs\PythonAI\lib\site-packages\keras\engine\training.py in _standardize_user_data(self, x, y, sample_weight, class_weight, check_array_lengths, batch_size)
749             feed_input_shapes,
750             check_batch_axis=False,  # Don't enforce the batch size.
--> 751             exception_prefix='input')
752 
753         if y is not None:

C:\ProgramData\Anaconda3\envs\PythonAI\lib\site-packages\keras\engine\training_utils.py in standardize_input_data(data, names, shapes, check_batch_axis, exception_prefix)
126                         ': expected ' + names[i] + ' to have ' +
127                         str(len(shape)) + ' dimensions, but got array '
--> 128                         'with shape ' + str(data_shape))
129                 if not check_batch_axis:
130                     data_shape = data_shape[1:]

ValueError: Error when checking input: expected conv2d_1_input to have 4 dimensions, but got array with shape (0, 1)

試したこと

pythonに詳しい知人にnp.resize使ったり、path見るように言われて、確認しましたが、前者は結局わからず、後者は問題が無いようでした。
エラー文で調べてプログラムを加えてもよくわかりませんでしたし、直せませんでした、知識不足で対処にミスをしているかもしれません。

補足情報(FW/ツールのバージョンなど)

Anaconda3環境下
python 3.7.3
keras 2.2.4
tensorflow 1.14.0
OpenCV 3.4.1

まだこれらの分野を勉強し始めたばかりで原因も対処法もよくわからないことだらけなので、回答をいただけたらすぐに試したいと思います。
よろしくお願いします。

実行できているソースなどをすべて記載しました。

  • 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

  • frederick_1974

    2020/01/05 02:30

    質問者さんからすると、確かにその部分でエラーが発生しているのでしょうし、参考とされているページにも記載されているコードですが、そこだけ見ても誰もエラーは特定できないので、質問者さんが実際に実行したコードを全部示さないと回答は得られないと思います。
    全部示して回答が得られる保証があるわけでもないですが、見ている人からは、X_trainやy_train、X_test、y_testが入っているのか全く分かりません。

    キャンセル

  • matlabunosuke

    2020/01/05 23:09

    X_test.shape
    を確認してみてください

    キャンセル

回答 1

0

行列の次元 (x.shape)がことなることによるえらーです 

投稿

  • 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。

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 89.10%
  • 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