MNISTのラベルと同じ形式の仮データを作りたい。

Question

前提・実現したいこと

ローカル画像を取り込んだ際のラベルについてデータ型や色相などすべてをMNISTと同じ形式として新規作成する方法。
なぜならば任意のローカル画像を学習させたファイルを使い推論を行う際に任意のテスト配列を仮に投入する必要があるため。

環境

windows10 64bit
python3.7

該当のソースコード

x_test, y_test = data

このy_testデータにはMNIST１万の画像データのラベルが入っています。
y_test.shape = (10000, 10)
y_test[0].shape = (10,)

(Pdb) y_test[0]
array([0., 0., 0., 0., 0., 0., 0., 1., 0., 0.], dtype=float32)
(Pdb) y_test.dtype
dtype('float32')

試したこと

            a_float_y = np.array([[0.,0.,0.,0.,0.,0.,0.,0.,0.,1.]])
            a_float_y = a_float_y.astype(np.float32)

結果

作ったもの

a_float_y = np.array([[0.,0.,0.,0.,0.,0.,0.,0.,0.,1.]])
a_float_y = a_float_y.astype(np.float32)

Pdb) a_float_y.shape
(1, 10)

(Pdb) a_float_y.dtype
dtype('float32')

(Pdb) p np.unique(np.argmax(y_test, 1))
array([9], dtype=int64)

しかし、MNISTでは以下でした。

(Pdb) y_test.shape
(10000, 10)

(Pdb) y_test.dtype
dtype('float32')

(Pdb) p np.unique(np.argmax(y_test, 1))
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], dtype=int64)

推論時に次元が違ってしまいエラーがでており、解消するためにまったく同じ仮データを入れたいです。
MNISTを同じものをロードする以外に、自分で簡易に仮データを作る方法についてアドバイス頂けないでしょうか。
よろしくお願い致します。

Answer 1

Keras の場合、
まず 0 ~ 9 の整数で表される各サンプルのラベルを1次元配列で用意して、to_categorical() で one-hot 表現に変換しましょう。

from keras.utils import to_categorical

y_label = [0, 1, 3, 4, 7, 9]

y_label_onehot = to_categorical(y_label, num_classes=10)
print(y_label_onehot)
# [[1. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
#  [0. 1. 0. 0. 0. 0. 0. 0. 0. 0.]
#  [0. 0. 0. 1. 0. 0. 0. 0. 0. 0.]
#  [0. 0. 0. 0. 1. 0. 0. 0. 0. 0.]
#  [0. 0. 0. 0. 0. 0. 0. 1. 0. 0.]
#  [0. 0. 0. 0. 0. 0. 0. 0. 0. 1.]]

Comments

[dendenmushi]

ありがとうございます。０１３４７９で３クラスという箇所が今疑問ですが、まずonehot作って行ってみます。

https://github.com/XifengGuo/CapsNet-Keras　このモデルをローカル画像で試す場合は、やはりtestメソッドにx_test,y_testにそれぞれ代入していく方法が推論方法として適当なのでしょうか。差し支えなければこちらもお聞きしてもよろしいでしょうか。それともmodel.predictの早い推論方法などありますか？私は今x_testをなんとか画像shapeやdtypeを合わせました。よろしくお願い致します。

[tiitoi]

> ０１３４７９で３クラスという箇所が今疑問ですが

すいません。それはコメントのミスでしたので、消しました。

> やはりtestメソッドにx_test,y_testにそれぞれ代入していく方法が推論方法として適当なのでしょうか

test メソッドとはどれのことを言っていますか?

[dendenmushi]

＞すいません。それはコメントのミスでしたので、消しました。
承知しました。今回一枚だけの画像なのでy_label=[0]でonehotということですね。
引き続き行ってみます。

＞testメソッドとは
https://github.com/XifengGuo/CapsNet-Keras/blob/master/capsulenet.py
150行目　def test(model, data, args):こちらのメソッドです。
ここのdata(x_test,y_test)にそれぞれ
ローカル画像の(1,28,28,1)にreshapeなど調整したものを代入し、y_testには適当なラベル（間違ってもよい）
を入れて、実行すれば（python capsulenet.py -t -w result/trained_model.h5）
結果がでてくると思っています。もっと効率のいい推論方法などないかと非常に悩んでおります。
（例えばMNIST画像をローカルにimgファイルとして落として、それを行列数値化して学習済みデータで推論を行うでもよいのですが、その際の効率のいいmodel.predict？のコードを記載悩んでおります。

[tiitoi]

onehot 表現は整数値を0,1のバイナリ値で表現する方法です。
http://tacky0612.hatenablog.com/entry/2018/10/18/114815

例えば、2の画像のクラスが2という整数値で表されているとすると、onehot 表現にしたとき、[0, 0, 1, 0, 0, 0, 0, 0, 0, 0] のように該当する場所だけ1、それ以外は0のベクトルで表す方法です。
(10000, 10) ということは、onehot 表現のラベルを期待されているということです。

> もっと効率のいい推論方法などないかと非常に悩んでおります。

ローカルの画像とラベルを読み込んで、
画像は shape などを調整し、ラベルは onehot 表現にして、推論するでいいと思います。

[dendenmushi]

ありがとうございました。別途同じプログラムで質問がありますのでまたよろしくお願い致します。