分割画像が6個までしか表示できないが、100個ほど表示したい

プログラムの一部からの質問なので、プログラム全体を以下にまず貼ります。

python
1from google.colab import drive
2drive.mount('/content/drive')
3
4import sys
5import numpy as np
6import matplotlib.pyplot as plt
7
8sys.path.append('/content/drive/My Drive')
9
10import ActivationFunction as AF
11
12from PIL import Image
13from IPython.display import display
14
15img = Image.open("drive/My Drive/mnist_dataset/rei.jpeg")
16img = img.resize((100, 100))
17img = np.asarray(img)
18
19size = 5
20
21v_split = img.shape[0] // size
22h_split = img.shape[1] // size
23out_img = []
24[out_img.extend(np.hsplit(h_img, h_split))
25    for h_img in np.vsplit(img, v_split)]
26
27plt.subplot(161).imshow(out_img[0])
28plt.subplot(162).imshow(out_img[1])
29plt.subplot(163).imshow(out_img[2])
30plt.subplot(164).imshow(out_img[3])
31plt.subplot(165).imshow(out_img[4])
32plt.subplot(166).imshow(out_img[5])
33plt.subplot(167).imshow(out_img[6])
34plt.subplot(168).imshow(out_img[7])
35plt.subplot(169).imshow(out_img[8])
36
37# PILで開いたうえでデータをNumpy形式にする
38# （例えばJPEGは圧縮されていてNumpyな配列になっていないので、
39# そこからNumpyのデータ空間(?)に持ってくる必要がある）
40tefilename = "test2.png"
41teimg = Image.open("drive/My Drive/mnist_dataset/" + tefilename)
42teimg = teimg.resize((10, 10))
43teimg = np.asarray(teimg)
44
45def extract(x, y):
46    # カラー画像の時Gだけ抜き取りたい
47    if len(x.shape) == 3:
48        h, w, ch = x.shape
49
50    # RGBのGだけ抜き取りたい
51    return x[:,:,y]
52
53v_max, v_min = 300, 200
54
55def diff(x):
56    imgrows, lenrows, imgcolumns, lencolumns = [], [], [], []
57    for (img, imgt) in zip(x, x.T):
58        rows = img[(v_min<img)&(v_max>img)]
59        columns = imgt[(v_min<imgt)&(v_max>imgt)]
60        imgrows.append(rows)
61        lenrows.append(len(rows))
62        imgcolumns.append(columns)
63        lencolumns.append(len(columns))
64    return lenrows + lencolumns
65
66test_data_list = []
67
68test_data_list.append([0] + diff(extract(teimg, 1)) + diff(extract(teimg, 2))  + diff(extract(teimg, 0))) # 略
69
70out_data_list0 = []
71
72out_data_list0.append([0] + diff(extract(out_img[0], 1)) + diff(extract(out_img[0], 2))  + diff(extract(out_img[0], 0)))
73
74out_data_list1 = []
75
76out_data_list1.append([0] + diff(extract(out_img[1], 1)) + diff(extract(out_img[1], 2))  + diff(extract(out_img[1], 0)))
77
78# 見本データに対しても同様に
79# exについて同様に
80training_data_list = []
81
82for i in range(10):
83    for e in range(1):
84        trad = Image.open("drive/My Drive/mnist_dataset/" + str(10*i+e) + ".png")
85        trad = trad.resize((10, 10))
86        trad = np.asarray(trad)
87        #g #b #r 抽出後diffしてappend
88        training_data_list.append([i] + diff(extract(trad, 1)) + diff(extract(trad, 2))  + diff(extract(trad, 0))) # 略
89
90print("training_data_list" ,training_data_list)
91print("training_data_list[1:]" ,training_data_list[1:])
92
93# 3層ニューラルネットワーク
94class ThreeLayerNetwork:
95    # コンストラクタ
96    def __init__(self, inodes, hnodes, onodes, lr):
97        # 各レイヤーのノード数
98        self.inodes = inodes
99        self.hnodes = hnodes
100        self.onodes = onodes
101
102        # 学習率
103        self.lr = lr
104
105        # 重みの初期化
106        self.w_ih = np.random.normal(0.0, 1.0, (self.hnodes, self.inodes))
107        self.w_ho = np.random.normal(0.0, 1.0, (self.onodes, self.hnodes))
108
109        # 活性化関数
110        self.af = AF.sigmoid
111        self.daf = AF.derivative_sigmoid
112
113    # 誤差逆伝搬
114    def backprop(self, idata, tdata):
115
116        # 縦ベクトルに変換
117        o_i = np.array(idata, ndmin=2).T
118        t = np.array(tdata, ndmin=2).T
119
120        # 隠れ層
121        np.set_printoptions(threshold=10000)
122        x_h = np.dot(self.w_ih, o_i)
123        o_h = self.af(x_h)
124
125        # 出力層
126        x_o = np.dot(self.w_ho, o_h)
127        o_o = self.af(x_o)
128
129        # 誤差計算
130        e_o = (t - o_o)
131        e_h = np.dot(self.w_ho.T, e_o)
132
133        # 重みの更新
134        self.w_ho += self.lr * np.dot((e_o * self.daf(o_o)), o_h.T)
135        self.w_ih += self.lr * np.dot((e_h * self.daf(o_h)), o_i.T)
136
137
138    # 順伝搬
139    def feedforward(self, idata):
140        # 入力のリストを縦ベクトルに変換
141        o_i = np.array(idata, ndmin=2).T
142
143        # 隠れ層
144        x_h = np.dot(self.w_ih, o_i)
145        o_h = self.af(x_h)
146
147        # 出力層
148        x_o = np.dot(self.w_ho, o_h)
149        o_o = self.af(x_o)
150
151        return o_o
152
153if __name__=='__main__':
154    # パラメータ
155    #inodes=784から30に変更
156    inodes = 31
157    hnodes = 100
158    onodes = 10
159    lr = 0.3
160
161    # ニューラルネットワークの初期化
162    nn = ThreeLayerNetwork(inodes, hnodes, onodes, lr)
163
164    # 学習
165    epoch = 50
166    # 50000
167    for e in range(epoch):
168        print('#epoch ', e)
169        data_size = len(training_data_list)
170        for i in range(data_size):
171            if i % 1000 == 0:
172                print('  train: {0:>5d} / {1:>5d}'.format(i, data_size))
173            idata = (np.array(out_data_list1) / 255.0 * 0.99) + 0.01
174            # 変更の余地あり
175            tdata = np.zeros(onodes) + 0.01
176            tdata[out_data_list1[0]] = 0.99
177            nn.backprop(idata, tdata)
178            pass
179        pass
180
181    # テスト
182    scoreboard = []
183    for record in test_data_list:
184        idata = (np.array(out_data_list0) / 255.0 * 0.99) + 0.01
185        predict = nn.feedforward(idata)
186        plabel = np.argmax(predict)
187        print("predict" ,predict)
188        print("plabel" ,plabel)
189        pass
190
191    scoreboard_array = np.asarray(scoreboard)
192    print('performance: ', scoreboard_array.sum() / scoreboard_array.size)

で、これを実行すると、
plt.subplotの167でエラーが出ます、numは1から6で7はだめだとか、一応確認で100個ほど表示したいのですがどうすれば良いでしょう、画像サイズは別に小さくなくて良いです。

jbpb0

2021/06/07 04:48 編集

> 100個ほど表示したい plt.subplot(161) ↓ plt.subplot(17, 6, 1) みたいに変えたら、いかがでしょうか？三つ目の数字は、102(=17*6)まで指定できると思います (動作未確認ですが) 参考 http://bicycle1885.hatenablog.com/entry/2014/02/14/023734