Pythonを用いて自前のデータセットを反映させたい

Question

#前提・実現したいこと
「弱異常検知」と他の異常検知、違いはなにか？
GitHub WeaklyAnomalyDetection（※詳細のコードはこちらに掲載されています）
上記サイト様を参考に、Pythonを用いて自前のデータセットで異常検知を行いたいと思い、そのために、自前のデータセットをロードできるようにしたいと考えております。

#発生している問題・エラーメッセージ
自分のデータセットの作成方法が良くなかったせいか、エラーメッセージは以下のようになっております。

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-15-cdc9ed56e962> in <module>
     17 
     18 #trainデータからランダムに100個抽出
---> 19 number = np.random.choice(np.arange(0,x_train_sum.shape[0]),100,replace=False)
     20 
     21 x, y = [], []

mtrand.pyx in numpy.random.mtrand.RandomState.choice()

ValueError: 'a' cannot be empty unless no samples are taken

ただ、上記のエラーの詳細については「試していること」でも述べさせていただきますが、過去にも質問をさせていただいており(※1)、確実ではありませんがエラーの原因については自分なりに把握をしているつもりです。
しかし、何故、異常検知のコードの方で以下のようにデータを呼び出しているにもかかわらず、x_train、y_train、x_test、y_testの全ての出力結果がprint()で確かめたところ、[]（空白）となってしまうのかがわからず頭を抱えている状況です。
異常検知のコードの一部

from b_c_dataset import BCN_Dataset

bell = 0#bellは0
call = 1#callは1

# dataset
(x_train, y_train), (x_test, y_test) = BCN_Dataset.create_bcn()

※1:Pythonを用いて自前のデータセットで異常検知を行いたい

#コード
自前のデータセット（BCN_Dataset.py）

import matplotlib.pyplot as plt
import os
import cv2
import random
import numpy as np

os.chdir('/Users/kuromaguro/desktop/弱教師あり学習')
os.getcwd()

DATADIR_train = '/Users/kuromaguro/desktop/弱教師あり学習/b_c_dataset/png/train'
DATADIR_test = '/Users/kuromaguro/desktop/弱教師あり学習/b_c_dataset/png/test'
CATEGORIES = ["bell", "call","noise"] #bellが0、callが1、noiseが2
train_data = []
test_data = []

def create_bcn():
    random.shuffle(train_data)  # データをシャッフル
    x_train = []  # 画像データ
    y_train = []  # ラベル情
    for class_num, category in enumerate(CATEGORIES):
        path = os.path.join(DATADIR_train, category)
        for image_name in os.listdir(path):
            try:
                img_array = cv2.imread(os.path.join(path, image_name),)  # 画像読み込み
                img_resize_array = cv2.resize(img_array, (583, 438))  # 画像のリサイズ
                train_data.append([img_resize_array, class_num])  # 画像データ、ラベル情報を追加
            except Exception as e:
                print(e)

    for class_num, category in enumerate(CATEGORIES):
        path = os.path.join(DATADIR_test, category)
        for image_name in os.listdir(path):
            try:
                img_array = cv2.imread(os.path.join(path, image_name),)  # 画像読み込み
                img_resize_array = cv2.resize(img_array, (583, 438))  # 画像のリサイズ
                test_data.append([img_resize_array, class_num])  # 画像データ、ラベル情報を追加
            except Exception as e:
                print(e)

    random.shuffle(test_data)  # データをシャッフル
    x_test = []  # 画像データ
    y_test = []  # ラベル情報

    # データセット作成(train)
    for feature, label in train_data:
        x_train.append(feature)
        y_train.append(label)

    # データセット作成(test)
    for feature, label in test_data:
        x_test.append(feature)
        y_test.append(label)

    # numpy配列に変換
    x_train = np.array(x_train)
    y_train = np.array(y_train)

    x_test =np.array(x_test)
    y_test =np.array(y_test)

    return (x_train, y_train), (x_test, y_test)

簡単に自分が作成している（つもり）のデータセットの内容を説明いたしますと、trainフォルダとtestフォルダにbell、call、noiseフォルダにそれぞれの音のスペクトログラムの画像が収納されており、そこからデータを取得し、ラベル付を行い（bellは0、callは1、noiseは2）train_dataとtest_dataを作成し、最終的にx_train、y_train、x_test、y_testを作成する、というコードです。

下記より異常検知のコードとなります

import matplotlib.pyplot as plt
import os
import cv2
import random
import numpy as np
from keras.utils import to_categorical
from keras.preprocessing.image import ImageDataGenerator

os.chdir('/Users/kuromaguro/desktop/弱教師あり学習')
os.getcwd()

from b_c_dataset import BCN_Dataset

bell = 0#bellは0
call = 1#callは1

# dataset
(x_train, y_train), (x_test, y_test) = BCN_Dataset.create_bcn()

x_train = x_train.reshape(x_train.shape[0], 583, 438, 3)
x_test = x_test.reshape(x_test.shape[0], 583, 438, 3)

x_train = x_train.astype('float32') / 255
x_test = x_test.astype('float32') / 255

#学習データ
x_train_sum, x_train_c, x_train_b, x_test_c, x_test_b, = [], [], [], [], []
y_train_sum = []

for i in range(len(x_train)):
    if y_train[i] == bell:
        x_train_b.append(x_train[i])
    elif y_train[i] == call:
        x_train_c.append(x_train[i])
    else:
        x_train_sum.append(x_train[i])
        y_train_sum.append(y_train[i])

x_train_sum = np.array(x_train_sum)
x_train_b = np.array(x_train_b)
x_train_c = np.array(x_train_c)
        
#trainデータからランダムに100個抽出
number = np.random.choice(np.arange(0,x_train_sum.shape[0]),100,replace=False)

x, y = [], []

for i in number:
    x.append(x_train_sum[i])
    y.append(y_train_sum[i])
    
x_train_sum = np.array(x)
y_train_sum = np.array(y)

参考サイト様の異常検知のコードはまだ続きがありますが、上記でエラーが発生してしまっているため、省略をさせていただいております。

#試していること
過去に私は似たような質問をさせていただいております。
Pythonの構文による出力結果の違い
回答してくださった方がおっしゃっていた、「メイン処理でdef create_bcn関数を読んでいない」（※関数名を変更しています）というお言葉から、上記のコードだとメイン関数を読んでいないため、x_train、y_train、x_test、y_testの中身が空白となり、結果、「エラーメッセージ」のところで記載したエラーが発生してしまっているのではないか、と考えております。そこで、現在、自前のデータセットの最後に、create_bcn関数を呼ぶために「create_bcn()」と記述をしたりしているのですが、上手くいっていない状況です。素人の質問で大変恐縮ではありますが、何かご助言でもいただけたらと思います。

#補足
使っているPCはmacOS Catalina バージョン10.15.5
Pythonのバージョンは3.6.5です
Jupiter notebookを使用しています

Answer 1

直接の回答ではなくアドバイスです。

            try:
                （略）
            except Exception as e:
                pass

とすると、エラーが発生しても気づかずに動作してしまいます。
passではなくprint(e)して、まずはどんなエラーが出ているか確認しましょう。

Comments

[maguro2020]

ご回答いただきありがとうございます。can110様。
自前のデータセットのcreate_bcn関数の中身をpassからprint(e)に変更し、定義し直しました。この後に、create_bcn関数を呼びだせば、出力結果でどんなエラーが発生しているかを確認できる、という認識でよろしいでしょうか？（質問した際の自前のデータセットのコードにも反映をさせました。）