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!

新規登録して質問してみよう
ただいま回答率
87.20%
Keras

Kerasは、TheanoやTensorFlow/CNTK対応のラッパーライブラリです。DeepLearningの数学的部分を短いコードでネットワークとして表現することが可能。DeepLearningの最新手法を迅速に試すことができます。

深層学習

深層学習は、多数のレイヤのニューラルネットワークによる機械学習手法。人工知能研究の一つでディープラーニングとも呼ばれています。コンピューター自体がデータの潜在的な特徴を汲み取り、効率的で的確な判断を実現することができます。

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

受付中

【機械学習】学習済みkerasモデルのロードが出来ない

kataka
kataka

総合スコア0

Keras

Kerasは、TheanoやTensorFlow/CNTK対応のラッパーライブラリです。DeepLearningの数学的部分を短いコードでネットワークとして表現することが可能。DeepLearningの最新手法を迅速に試すことができます。

深層学習

深層学習は、多数のレイヤのニューラルネットワークによる機械学習手法。人工知能研究の一つでディープラーニングとも呼ばれています。コンピューター自体がデータの潜在的な特徴を汲み取り、効率的で的確な判断を実現することができます。

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

0回答

0評価

0クリップ

1228閲覧

投稿2020/11/24 16:18

編集2022/01/12 10:55

悩んでいる事・解決したいこと

現在、こちらのサイト 乃木坂メンバーの顔をCNNで分類を参考にしながら、機械学習を行ってサッカー選手の顔を識別するプログラムを書いています。
機械学習を行う部分(learn.py)までは正しく実行できたものの、テストを行うtest4.py(上記サイトにおけるpredict.py)部分で下記のようなエラーが出てしまいました。
学習したモデルの精度などを検証したいので、このテスト用プログラムを動かしたいです。
load_modelの部分でエラーが出ているので、学習したモデルを読み込む部分でエラーが起きていることはわかったのですが、対象方法と原因が分からないので教えていただきたいです。
最近になってpythonと機械学習について学び始めたので知識も浅いうえ、初めての質問でつたない部分が多いと思いますが、何卒よろしくお願いいたします。

発生している問題・エラーメッセージ

Traceback (most recent call last): File "test4.py", line 49, in <module> model = load_model('./my_model.h5') File "C:\venv\tf115py36\lib\site-packages\keras\engine\saving.py", line 492, in load_wrapper return load_function(*args, **kwargs) File "C:\venv\tf115py36\lib\site-packages\keras\engine\saving.py", line 584, in load_model model = _deserialize_model(h5dict, custom_objects, compile) File "C:\venv\tf115py36\lib\site-packages\keras\engine\saving.py", line 273, in _deserialize_model model_config = json.loads(model_config.decode('utf-8')) AttributeError: 'str' object has no attribute 'decode'

該当のソースコード

学習用プログラム(learn.py)

python

import os import cv2 import numpy as np import h5py import matplotlib.pyplot as plt from keras.layers import Activation, Conv2D, Dense, Flatten, MaxPooling2D from keras.models import Sequential from keras.utils.np_utils import to_categorical name = ["kane","keisuke","sissoko"] # 教師データのラベル付け X_train = [] Y_train = [] for i in range(len(name)): img_file_name_list=os.listdir("c:/venv/tf115py36/soccer/train/"+name[i]) print(len(img_file_name_list)) for j in range(0,len(img_file_name_list)-1): n=os.path.join("./train/"+name[i]+"/",img_file_name_list[j]) img = cv2.imread(n) b,g,r = cv2.split(img) img = cv2.merge([r,g,b]) X_train.append(img) Y_train.append(i) # テストデータのラベル付け X_test = [] # 画像データ読み込み Y_test = [] # ラベル(名前) for i in range(len(name)): img_file_name_list=os.listdir("./test/"+name[i]) print(len(img_file_name_list)) for j in range(0,len(img_file_name_list)-1): n=os.path.join("./test/"+name[i]+"/",img_file_name_list[j]) img = cv2.imread(n) b,g,r = cv2.split(img) img = cv2.merge([r,g,b]) X_test.append(img) # ラベルは整数値 Y_test.append(i) X_train=np.array(X_train) X_test=np.array(X_test) y_train = to_categorical(Y_train) y_test = to_categorical(Y_test) # モデルの定義 model = Sequential() model.add(Conv2D(input_shape=(64, 64, 3), filters=32,kernel_size=(3, 3), strides=(1, 1), padding="same")) model.add(MaxPooling2D(pool_size=(2, 2))) model.add(Conv2D(filters=32, kernel_size=(3, 3), strides=(1, 1), padding="same")) model.add(MaxPooling2D(pool_size=(2, 2))) model.add(Conv2D(filters=32, kernel_size=(3, 3), strides=(1, 1), padding="same")) model.add(MaxPooling2D(pool_size=(2, 2))) model.add(Flatten()) model.add(Dense(256)) model.add(Activation("sigmoid")) model.add(Dense(128)) model.add(Activation('sigmoid')) model.add(Dense(3)) model.add(Activation('softmax')) # コンパイル model.compile(optimizer='sgd', loss='categorical_crossentropy', metrics=['accuracy']) # 学習 history = model.fit(X_train, y_train, batch_size=32, epochs=70, verbose=1, validation_data=(X_test, y_test)) # 汎化制度の評価・表示 score = model.evaluate(X_test, y_test, batch_size=32, verbose=0) print('validation loss:{0[0]}\nvalidation accuracy:{0[1]}'.format(score)) #acc, val_accのプロット plt.plot(history.history["accuracy"], label="acc", ls="-", marker="o") plt.plot(history.history["val_accuracy"], label="val_acc", ls="-", marker="x") plt.ylabel("accuracy") plt.xlabel("epoch") plt.legend(loc="best") plt.show() #モデルを保存 model.save("my_model.h5")

テスト用プログラム(test4.py)

python

import numpy as np import matplotlib.pyplot as plt import cv2 from keras.models import load_model import sys def detect_face(image): print(image.shape) #opencvを使って顔抽出 image_gs = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) cascade = cv2.CascadeClassifier("c:/pytools/opcs/cascades/haarcascade_frontalface_alt.xml") # 顔認識の実行 face_list=cascade.detectMultiScale(image_gs, scaleFactor=1.1, minNeighbors=2,minSize=(64,64)) #顔が1つ以上検出された時 if len(face_list) > 0: for rect in face_list: x,y,width,height=rect cv2.rectangle(image, tuple(rect[0:2]), tuple(rect[0:2]+rect[2:4]), (255, 0, 0), thickness=3) img = image[rect[1]:rect[1]+rect[3],rect[0]:rect[0]+rect[2]] if image.shape[0]<64: print("small") continue img = cv2.resize(image,(64,64)) img=np.expand_dims(img,axis=0) name = detect_who(img) cv2.putText(image,name,(x,y+height+20),cv2.FONT_HERSHEY_DUPLEX,1,(255,0,0),2) #顔が検出されなかった時 else: print("no face") return image def detect_who(img): #予測 name="" print(model.predict(img)) nameNumLabel=np.argmax(model.predict(img)) if nameNumLabel== 0: name="kane" elif nameNumLabel==1: name="keisuke" elif nameNumLabel==2: name="sissoko" return name if __name__ == '__main__': model = load_model('./my_model.h5') if len(sys.argv) != 2: print('invalid argment') sys.exit() else: im_jpg = sys.argv[1] image=cv2.imread("./predict/"+im_jpg) if image is None: print("None image:") b,g,r = cv2.split(image) image = cv2.merge([r,g,b]) whoImage=detect_face(image) plt.imshow(whoImage) plt.show()

試したこと

・エラーの内容の検索
AttributeError: 'str' object has no attribute 'decode'で検索してみたものの効果的な対象方法は見つかりませんでした。

・kerasの公式ドキュメントを読む
Keras FAQ: Kerasに関するよくある質問
こちらを読んでみたところ、モデルと重みを分けて保存・ロードする方法も書かれていたので、下記のように試してみました。

・JSON形式でのモデルの保存とロード
上記のドキュメントとこちらのサイトを参考にしました
Kerasで作成したモデルのアーキテクチャと重みの保存/読み込み方法

結果としては
モデルの構成確認 model.summary()までは実行されるものの、モデルの重みを読み込む部分(model.load_weights)で同様のエラーが出ました。
json形式で保存したモデルの構成は表示されていることから、json形式でモデルの保存自体はできているということ・h5形式のファイルの保存・読み込みに問題があることが推測できました。
しかし、結局エラーへの対処方法はわかりませんでした。

補足情報(FW/ツールのバージョンなど)

windows10 pro 64bit
python3.6.8
tensorflow1.15
keras 2.3.1

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。

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。

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

評価を下げると、トップページの「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。

kataka

2020/11/25 06:56

アドバイスありがとうございます! savedmodel形式で保存しても同様のエラーが出てしまいました。 Traceback (most recent call last): File "test4.py", line 49, in <module> new_model = tf.keras.models.load_model('c:/venv/tf115py36/soccer/saved_model/my_model') File "C:\venv\tf115py36\lib\site-packages\tensorflow_core\python\keras\saving\save.py", line 143, in load_model return hdf5_format.load_model_from_hdf5(filepath, custom_objects, compile) File "C:\venv\tf115py36\lib\site-packages\tensorflow_core\python\keras\saving\hdf5_format.py", line 160, in load_model_from_hdf5 model_config = json.loads(model_config.decode('utf-8')) AttributeError: 'str' object has no attribute 'decode' このエラーを解決するためにはコードのどの部分を修正すればよいのでしょうか?
toast-uz

2020/11/25 11:53

手元の画像にあわせて前処理だけいじって、モデル定義そのまま、saveしてload_modelしたら動いてしまいました。環境問題でしょうか? macOS 10.15.7、python 3.8.6、keras 2.4.3、tensorflow 2.3.1です。 ちなみに念のためですが、test4.pyは使わずに、learn.pyの最後に from keras.models import load_model model = load_model('./my_model.h5') だけ追記しても、エラーがでますでしょうか?それでも出るならやっていることは同じなので、環境問題かもしれません。
toast-uz

2020/11/25 13:08

追加ですみません。learn.pyのsaveの直前で import keras print(keras.backend.backend()) を入れて、何が表示されるか確認ください。learn.pyとtest4.pyでkerasのバックエンドが異なっているのでは?という疑いです。少なくともtest4.pyではエラーメッセージからtensorflowがバックエンドだと思われます。
kataka

2020/11/25 19:24

ありがとうございます! アドバイスしていただいた方法を試してみましたが、やはりロードをする部分で同じエラーが出てしまいました。 また、learn.pyのバックエンドを確認したところ、tensorflowでした。 学習が終わったときに以下のように表示されました。 validation loss:0.34900360149661386 validation accuracy:0.8582677245140076 tensorflow H5ファイルを読み込むとアトリビュートエラーが出てしまうのはやはり環境の問題なのでしょうか...
kataka

2020/11/25 21:49 編集

環境・バージョン・h5ファイルについて調べまくったところ以下のページを見つけました。 https://github.com/tensorflow/tensorflow/issues/44467 これによるとh5pyのバージョンが3.0以上であると一部の環境でkerasのモデルがロードできなくなるようです。 pip listでh5pyのバージョンを確認したところ3.1だったのでpip uninstall h5pyで一度アンインストールをしてpip install h5py==2.10.0で旧バージョンのh5pyをインストールしてみました。 その結果、今まで苦しめられていたアトリビュートエラーが起こりませんでした! しかし、別のエラーが発生しています。 None image: Traceback (most recent call last): File "test.py", line 70, in <module> b,g,r = cv2.split(image) ValueError: not enough values to unpack (expected 3, got 0) このエラーは、モデルの読み込みとは別のエラーで画像が読み込めていない+画像が読み込めないことで本来得られる値?が得られなかったということでしょうか? コマンドラインから画像を指定できるとのことなので、test4.py 'xxx.jpg'といった形で実行しています。 本来の質問であるkerasのモデルがロードが出来ないという主旨から少し外れてしまっているかも知れません。しかし、コードの理解を深めるためにももし可能ならぜひご教授いただきたいです。 長文失礼しました。
toast-uz

2020/11/25 22:26 編集

解決してよかったです。私のh5pyは2.10.0でした。 リンクを見ましたが条件であるtensorflow 2.1.0ではないため、これが当たりかはわかりません。ただしh5py 3.0はまだ新しいメジャーバージョンですので、いろいろ不具合がありそうではあります。気になるのはsavedmodel形式でも失敗していることで、こちらはh5pyは関係無いはずです。savedmodel形式での読み書きが成功するか再確認いただけますでしょうか? 全体的には、生kerasはやめてアンインストールし、tensorflowのバージョンを上げてtf.kerasに乗り換えた方がよいように思います。ネット検索して得られる情報は数年古いものが多く、かつその古い情報を参考に作っているものが多く、生keras主流に感じますが、今はtf.kerasまたはpytorchです。 参考: https://www.atmarkit.co.jp/ait/articles/2005/13/news017.html コードは全て from keras.なんとか を、from tensorflow.keras.なんとか に置き換えるだけです。生kerasをアンインストールすることで、環境問題の発生可能性を激減させられます。 新しいエラーの件、コードに書かれているprint("None image:")が実行されており、imageが読めていません。

まだ回答がついていません

会員登録して回答してみよう

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
87.20%

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る

質問する

関連した質問

同じタグがついた質問を見る

Keras

Kerasは、TheanoやTensorFlow/CNTK対応のラッパーライブラリです。DeepLearningの数学的部分を短いコードでネットワークとして表現することが可能。DeepLearningの最新手法を迅速に試すことができます。

深層学習

深層学習は、多数のレイヤのニューラルネットワークによる機械学習手法。人工知能研究の一つでディープラーニングとも呼ばれています。コンピューター自体がデータの潜在的な特徴を汲み取り、効率的で的確な判断を実現することができます。

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。