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

88.91%

cnnにおけるinputの形状について

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 170

hoshihiro

score 2

前提・実現したいこと

行列で表されるcsvファイルを画像同様に扱って学習を行う

実装中に以下のエラーメッセージが発生しました。
このエラーを改善したいです。

発生している問題・エラーメッセージ

 Error when checking input: expected input_27 to have 4 dimensions, but got array with shape (32, 65, 80)

該当のソースコード

import numpy as np
import glob
import pandas as pd
from sklearn.model_selection import train_test_split

#ファイルの読み込み
labelfiles = glob.glob("c:/keraslab/dataset/label/*.csv")
label110_csv=[]
for labelfile in labelfiles:
    label110_csv.append(np.loadtxt(labelfile,delimiter=","))
label110_csv = np.array(label110_csv)

inputfiles = glob.glob("c:/keraslab/dataset/input/*.csv")
input18_csv=[]
for inputfile in inputfiles:
    input18_csv.append(np.loadtxt(inputfile,delimiter=","))
input18_csv = np.array(input18_csv)

#正規化
input18_csv=(input18_csv-np.min(input18_csv))/np.max(input18_csv)
label110_csv=(label110_csv-np.min(label110_csv))/np.max(label110_csv)

#train,testの作成
i_train, i_test = train_test_split(input18_csv)
l_train, l_test = train_test_split(label110_csv)

from keras.layers import Input,Conv2D,BatchNormalization,Activation
from keras.models import Model


#DnCNN
def network_dncnn():
    input_img= Input(shape=(65,80,1))

    x= Conv2D(64,kernel_size=3,activation='relu',padding='same')(input_img)

    for i in range(15):
        x= Conv2D(64,kernel_size=3,padding='same')(x)
        x= BatchNormalization()(x)
        x= Activation('relu')(x)

    x =Conv2D(1,kernel_size=3,activation='tanh',padding='same')(x)

    model=Model(input_img,x)

    return model

model=network_dncnn()

#モデルの表示
print(model.summary())

import keras.optimizers as optimizers
from tensorflow.python.keras import backend as K

#training
adam=optimizers.Adam(lr=1e-3)
model.compile(loss='mean_squared_error',optimizer='adam')

#trainingパラメータ-
training =model.fit(i_train,l_train,epochs=100,batch_size=128,shuffle=True,validation_data=(i_test,l_test),verbose=1)

import matplotlib.pyplot as plt

#学習履歴の表示
def plot_history(history):
    plt.plot(history.history['loss'])
    plt.plot(history.history['val_loss'])
    plt.title('model loss')
    plt.xlabel('epoch')
    plt.ylabel('loss')
    plt.legend(['loss','val_loss'],loc='lower right')
    plt.show()

plot_history(training)

試したこと

input_img=Input(shape(32,65,80,1))


に変更させると

Input 0 is incompatible with layer conv2d_211: expected ndim=4, found ndim=5


と表示されます。

補足情報(FW/ツールのバージョンなど)

input18_csvとlabel110_csvは(43,65,80)で、trainとtestで32-11に分割されています。

  • 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。

回答 1

checkベストアンサー

0

nput18_csvとlabel110_csvは(43,65,80)で、trainとtestで32-11に分割されています。

Conv2D は (B, H, W, C) の4次元配列を要求するので、
nput18_csv、label110_csv が1チャンネルで形状が (B, H, W) だとしたら、

nput18_csv = np.expand_dims(nput18_csv, axis=-1)

でモデルに投入する前に (B, H, W, 1) に形状を変更しておく必要があります。

Python - expand_dimsの使い方|teratail

投稿

編集

  • 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。

  • 2020/07/15 13:25

    ありがとうございます。

    キャンセル

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 88.91%
  • 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

関連した質問

同じタグがついた質問を見る