MNISTの学習モデルを使用した手書き文字判別時の次元のエラー

Question

前提・実現したいこと

eindow8.1でpython3.8をインストールし、
keras,tensorflowをインストールし、
MNISTの画像判別のニュートラルを実施し学習モデルを作成しました。

その学習モデル.h5を使用して、自分の手書き文字を判別使用としたところ、下記のような次元に関するエラーが出ております。

当方、超初心者のため、意味がよくわからず、何がおかしいのかよくわかりません。
教えていただけないでしょうか。

手書きの画像データはペイントで作成し、背景を黒、白文字に28x28でpngとしています。

コードは下記の２つのサイトを参照し、流用しました。
（学習モデルの作成）https://qiita.com/sasayabaku/items/64a01363bcd5c44feb0b
（手書きモデルの判別）https://qiita.com/moritalous/items/1c014afbb97a2e48bbdf

発生している問題・エラーメッセージ

C:\Users\----\Desktop\script_file\200605-2_mnisttest_new>yosoku.py
Using TensorFlow backend.
2020-06-05 20:47:52.704005: W tensorflow/stream_executor/platform/default/dso_loader.cc:55
] Could not load dynamic library 'cudart64_101.dll'; dlerror: cudart64_101.dll not found
2020-06-05 20:47:52.711669: I tensorflow/stream_executor/cuda/cudart_stub.cc:29] Ignore ab
ove cudart dlerror if you do not have a GPU set up on your machine.
2020-06-05 20:47:59.743375: I tensorflow/stream_executor/platform/default/dso_loader.cc:44
] Successfully opened dynamic library nvcuda.dll
2020-06-05 20:48:00.002471: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1561] Found
 device 0 with properties:
pciBusID: 0000:01:00.0 name: Quadro K600 computeCapability: 3.0
coreClock: 0.8755GHz coreCount: 1 deviceMemorySize: 1.00GiB deviceMemoryBandwidth: 26.55Gi
B/s
2020-06-05 20:48:00.012087: W tensorflow/stream_executor/platform/default/dso_loader.cc:55
] Could not load dynamic library 'cudart64_101.dll'; dlerror: cudart64_101.dll not found
2020-06-05 20:48:00.017721: W tensorflow/stream_executor/platform/default/dso_loader.cc:55
] Could not load dynamic library 'cublas64_10.dll'; dlerror: cublas64_10.dll not found
2020-06-05 20:48:00.025252: W tensorflow/stream_executor/platform/default/dso_loader.cc:55
] Could not load dynamic library 'cufft64_10.dll'; dlerror: cufft64_10.dll not found
2020-06-05 20:48:00.031194: W tensorflow/stream_executor/platform/default/dso_loader.cc:55
] Could not load dynamic library 'curand64_10.dll'; dlerror: curand64_10.dll not found
2020-06-05 20:48:00.038717: W tensorflow/stream_executor/platform/default/dso_loader.cc:55
] Could not load dynamic library 'cusolver64_10.dll'; dlerror: cusolver64_10.dll not found

2020-06-05 20:48:00.045310: W tensorflow/stream_executor/platform/default/dso_loader.cc:55
] Could not load dynamic library 'cusparse64_10.dll'; dlerror: cusparse64_10.dll not found

2020-06-05 20:48:00.053916: W tensorflow/stream_executor/platform/default/dso_loader.cc:55
] Could not load dynamic library 'cudnn64_7.dll'; dlerror: cudnn64_7.dll not found
2020-06-05 20:48:00.061317: W tensorflow/core/common_runtime/gpu/gpu_device.cc:1598] Canno
t dlopen some GPU libraries. Please make sure the missing libraries mentioned above are in
stalled properly if you would like to use GPU. Follow the guide at https://www.tensorflow.
org/install/gpu for how to download and setup the required libraries for your platform.
Skipping registering GPU devices...
2020-06-05 20:48:00.078168: I tensorflow/core/platform/cpu_feature_guard.cc:143] Your CPU
supports instructions that this TensorFlow binary was not compiled to use: AVX2
2020-06-05 20:48:00.114045: I tensorflow/compiler/xla/service/service.cc:168] XLA service
0x68007878f0 initialized for platform Host (this does not guarantee that XLA will be used)
. Devices:
2020-06-05 20:48:00.121366: I tensorflow/compiler/xla/service/service.cc:176]   StreamExec
utor device (0): Host, Default Version
2020-06-05 20:48:00.127601: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1102] Devic
e interconnect StreamExecutor with strength 1 edge matrix:
2020-06-05 20:48:00.133423: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1108]

C:\Users\tunnel\AppData\Local\Programs\Python\Python38\lib\site-packages\keras_preprocessi
ng\image\utils.py:107: UserWarning: grayscale is deprecated. Please use color_mode = "gray
scale"
  warnings.warn('grayscale is deprecated. Please use '
Traceback (most recent call last):
  File "C:\Users\tunnel\Desktop\script_file\200605-2_mnisttest_new\yosoku.py", line 30, in
 <module>
    features = model.predict(X)
  File "C:\Users\tunnel\AppData\Local\Programs\Python\Python38\lib\site-packages\keras\eng
ine\training.py", line 1441, in predict
    x, _, _ = self._standardize_user_data(x)
  File "C:\Users\tunnel\AppData\Local\Programs\Python\Python38\lib\site-packages\keras\eng
ine\training.py", line 574, in _standardize_user_data
    x = training_utils.standardize_input_data(
  File "C:\Users\tunnel\AppData\Local\Programs\Python\Python38\lib\site-packages\keras\eng
ine\training_utils.py", line 131, in standardize_input_data
    raise ValueError(
ValueError: Error when checking input: expected dense_1_input to have 2 dimensions, but go
t array with shape (1, 28, 28, 1)

C:\Users\tunnel\Desktop\script_file\200605-2_mnisttest_new>

該当のソースコード

【学習モデル】（コメントは勉強用なので無視してください）

# encoding: utf-8
import urllib.request
proxy_support = urllib.request.ProxyHandler({'http': '-----------',
                                             'https':'-----------'})
opener = urllib.request.build_opener(proxy_support)
urllib.request.install_opener(opener)


from keras.datasets import mnist 
from keras.models import Sequential
from keras.layers.core import Dense, Activation
from keras.utils import np_utils

# kerasのMNISTデータの取得

(X_train, y_train), (X_test, y_test) = mnist.load_data()


# 配列の整形と，色の範囲を0-255 -> 0-1に変換
X_train = X_train.reshape(60000, 784) / 255
X_test = X_test.reshape(10000, 784) / 255


# 正解ラベルをダミー変数に変換
y_train = np_utils.to_categorical(y_train)
y_test = np_utils.to_categorical(y_test)

# ネットワークの定義

model = Sequential([
        Dense(512, input_shape=(784,)),
        Activation('sigmoid'),
        Dense(10),
        Activation('softmax')
        ])

# 損失関数，最適化アルゴリズムなどの設定 + モデルのコンパイルを行う
model.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=['accuracy'])

# 学習処理の実行 -> 変数histに進捗の情報が格納される
# validation_split=0.1 ---> 0.1(10%)の訓練データが交差検証に使われる
hist = model.fit(X_train, y_train, batch_size=200, verbose=1, epochs=5, validation_split=0.1)

# 予測
score = model.evaluate(X_test, y_test, verbose=1)
print("")
print('test accuracy : ', score[1])

model.save('mnist_model.h5')

#ここからlossの設定
import matplotlib.pyplot as plt
loss = hist.history['loss']
val_loss = hist.history['val_loss']

# lossのグラフを作る
plt.plot(range(3), loss, marker='.', label='loss')
plt.plot(range(3), val_loss, marker='.', label='val_loss')
plt.legend(loc='best', fontsize=10)
plt.grid()
plt.xlabel('epoch')
plt.ylabel('loss')
plt.savefig('figure_loss4.png') #savefigをplt.show()のあとに入れると、保存された画像が真っ白（なぜ？？）
plt.show()    #ここを使えば、表示してくれるはず

#ここまでlossのコード


#ここからaccuracyの設定
acc = hist.history['accuracy']           #acc にすると key errorになるので、accuracyにする
val_acc = hist.history['val_accuracy']

# accuracyのグラフを作る
plt.plot(range(3), acc, marker='.', label='acc')
plt.plot(range(3), val_acc, marker='.', label='val_acc')
plt.legend(loc='best', fontsize=10)
plt.grid()
plt.xlabel('epoch')
plt.ylabel('acc')
plt.savefig('figure_acc.png')#savefigをplt.show()のあとに入れると、保存された画像が真っ白（なぜ？？）
plt.show()  #ここを使えば表示してくれる。

#ここまでがaccuracy




#ネットワークを可視化するコード
from keras.utils import plot_model
plot_model(model, to_file='./model.png')
#pngでフォルダ内にはきだしてくれる


【手書き文字の判別用】
# coding:utf-8

import keras
import numpy as np
from keras.models import load_model
from keras.preprocessing.image import array_to_img, img_to_array,load_img
import os
import re

model = load_model('mnist_model.h5')

def list_pictures(directory, ext='jpg|jpeg|bmp|png|ppm'):
    return [os.path.join(root, f)
            for root, _, files in os.walk(directory) for f in files
            if re.match(r'([\w]+.(?:' + ext + '))', f.lower())]

for picture in list_pictures('./tegaki/'):
    X = []
    img = img_to_array(
        load_img(picture, target_size=(28, 28), grayscale=True))
    X.append(img)

    X = np.asarray(X)
    X = X.astype('float32')
    X = X / 255.0

    features = model.predict(X)

    print('----------')
    print(picture)
    print(features.argmax())
    print('----------')

試したこと

ここに問題に対して試したことを記載してください。

補足情報（FW/ツールのバージョンなど）

ここにより詳細な情報を記載してください。

Comments

[meg_]

エラーはどこで出ていますか？ エラーメッセージは省略せずに全部載せてください。（ユーザー名等は隠してもれって結構です）

[Kkeguri]

コメントありがとうございます。初めてで慣れておらず、大変失礼しました。

Answer 1

Xのshapeを学習データのshape(784(28*28))と同じにすれば良いかと思います。

Comments

[Kkeguri]

ご回答ありがとうございます。
「Xのshape」というのは具体的にどの部分をさしているのでしょうか？（どの部分をどのように書き換えればよいのでしょうか？）
申し訳ありませんが、ご教示いただけますと幸いです。

[meg_]

X_train = X_train.reshape(60000, 784) / 255 と同様に、X = X.reshape(-1, 784) / 255で良いのではないでしょうか？

[Kkeguri]

返信が遅くなり申し訳ありません。
下記のように修正したところ、問題なく動きました。
ありがとうございました。
# coding:utf-8

import keras
import numpy as np
from keras.models import load_model
from keras.preprocessing.image import array_to_img, img_to_array,load_img
import os
import re

def list_pictures(directory, ext='jpg|jpeg|bmp|png|ppm'):
return [os.path.join(root, f)
for root, _, files in os.walk(directory) for f in files
if re.match(r'([\w]+.(?:' + ext + '))', f.lower())]

model = load_model('mnist_model.h5')

for picture in list_pictures(r'C:\Users\tunnel\Desktop\script_file\200605-2_mnisttest_new\tegaki'):
X = []
img = img_to_array(
load_img(picture, target_size=(28, 28), grayscale=True))#画像を28x28かつグレースケールで読み込む（これはPIL形式）
X.append(img)#Xのリストの最後にimgを追加する
#img_to_arrayでOIL形式からndarray形式に変換する（3次元？）

X = np.asarray(X)#Xをnmpy配列に変換する
X = X.astype('float32')
X = X.reshape(-1,784) / 255.0

features = model.predict(X)

print('----------')
print(picture)
print(features.argmax())
print('----------')