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
85.50%
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。

NumPy

NumPyはPythonのプログラミング言語の科学的と数学的なコンピューティングに関する拡張モジュールです。

OpenCV

OpenCV(オープンソースコンピュータービジョン)は、1999年にインテルが開発・公開したオープンソースのコンピュータビジョン向けのクロスプラットフォームライブラリです。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

Q&A

0回答

793閲覧

githubにあるコードのモデル部分だけを変えて動かしたい

Kei_p

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。

NumPy

NumPyはPythonのプログラミング言語の科学的と数学的なコンピューティングに関する拡張モジュールです。

OpenCV

OpenCV(オープンソースコンピュータービジョン)は、1999年にインテルが開発・公開したオープンソースのコンピュータビジョン向けのクロスプラットフォームライブラリです。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

0グッド

0クリップ

投稿2020/12/22 10:04

前提・実現したいこと

ファイル構造

killme_adversarial_example_with_TensorFlow-Keras-master
|—(下記の本コード).py
|—kill_me_images
| |—gen_adv
| |—kill_me_baby_dataset

|—models

モデルを作り、学習させたいです。
しかし、IndexErrorが出てしまいます。
画像サイズは128*128の3チャンネルなので合ってるはずなのですが、
エラーが出てしまいます。

jupiterNotebookでセルごとに分けて動かしているのですが、
学習するタイミングで失敗します。

発生している問題・エラーメッセージ

Found 0 images belonging to 7 classes. Epoch 1/100 IndexError Traceback (most recent call last) <ipython-input-18-bb8c98a37a31> in <module> 12 13 # 学習開始! ---> 14 model.fit_generator(train_generator, steps_per_epoch=train_generator.samples//batch_size, epochs=100, callbacks=ckps) 15 model.save("models/killme_vgg16.h5") IndexError: list index out of range

該当のソースコード

python

1# パッケージのインポート 2import tensorflow as tf 3from tensorflow.keras.datasets import cifar10 4from tensorflow.keras.layers import Activation, Dense, Dropout, Conv2D, Flatten, MaxPool2D 5from tensorflow.keras.models import Sequential, load_model 6from tensorflow.keras.optimizers import Adam 7from tensorflow.keras.utils import to_categorical 8import numpy as np 9import matplotlib 10import matplotlib.pyplot as plt 11import os 12import cv2 13from PIL import Image 14%matplotlib inline 15 16config = tf.compat.v1.ConfigProto(gpu_options=tf.compat.v1.GPUOptions(allow_growth=True)) 17sess = tf.compat.v1.Session(config=config) 18tf.compat.v1.keras.backend.set_session(sess) 19 20 21 22root_dir = 'kill_me_images/kill_me_baby_datasets/kill_me_baby_datasets/' 23class_list = sorted(os.listdir(path=root_dir)) 24print("クラスリスト", class_list) 25 26 27 28def load_imgs(root_dir): 29 30 print(class_list) 31 num_class = len(class_list) 32 img_paths = [] 33 labels = [] 34 images = [] 35 for cl_name in class_list: 36 img_names = os.listdir(os.path.join(root_dir, cl_name)) 37 for img_name in img_names: 38 img_paths.append(os.path.abspath(os.path.join(root_dir, cl_name, img_name))) 39 hot_cl_name = get_class_one_hot(cl_name, class_list) 40 labels.append(hot_cl_name) 41 42 for img_path in img_paths: 43 img = cv2.imread(img_path) 44 img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) 45 images.append(img) 46 47 images = np.array(images) 48 49 return np.array(images), np.array(labels), class_list 50 51 52 53def get_class_one_hot(class_str, class_list): 54 label = class_list.index(class_str) 55 label_hot = tf.one_hot(label, len(class_list)) 56 57 return label_hot 58 59 60orig_image, orig_label, class_list = load_imgs(root_dir='kill_me_images/kill_me_baby_datasets/kill_me_baby_datasets/') 61 62 63 64 65##############モデル作成################### 66model = Sequential() 67 68# Conv→Conv→Pool→Dropout 69model.add(Conv2D(128, (3, 3), activation='relu', padding='same', input_shape=(128, 128, 3))) 70model.add(Conv2D(128, (3, 3), activation='relu', padding='same')) 71model.add(MaxPool2D(pool_size=(2, 2))) 72model.add(Dropout(0.25)) 73 74# Conv→Conv→Pool→Dropout 75model.add(Conv2D(64, (3, 3), activation='relu', padding='same')) 76model.add(Conv2D(64, (3, 3), activation='relu', padding='same')) 77model.add(MaxPool2D(pool_size=(2, 2))) 78model.add(Dropout(0.25)) 79 80# Flatten→Dense→Dropout→Dense 81model.add(Flatten()) 82model.add(Dense(512, activation='relu')) 83model.add(Dropout(0.5)) 84model.add(Dense(7, activation='softmax')) 85 86 87 88 89##############トレーニングと保存################### 90 91batch_size = 32 92 93model.compile(loss='categorical_crossentropy', optimizer=tf.keras.optimizers.Adam(), metrics=['accuracy']) 94tb_cb = tf.keras.callbacks.TensorBoard(log_dir="log_dir") 95ckps = [tb_cb] 96 97# 学習用データを用意する 98train_datagen = tf.keras.preprocessing.image.ImageDataGenerator(rescale=1./255, horizontal_flip=True) 99train_generator = train_datagen.flow_from_directory('kill_me_images/kill_me_baby_datasets/', classes=class_list, target_size=(128, 128), batch_size=batch_size, class_mode='categorical') 100 101# 学習開始! 102model.fit_generator(train_generator, steps_per_epoch=train_generator.samples//batch_size, epochs=100, callbacks=ckps) 103model.save("models/killme_vgg16.h5") 104 105sess = tf.keras.backend.get_session() 106saver = tf.train.Saver() 107saver.save(sess, "models/killme_vgg16.ckpt") 108

参考記事
https://qiita.com/taku-buntu/items/305d8eb16e9502b09ed

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MY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。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

guest

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

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

アカウントをお持ちの方は

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
85.50%

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