行列積エラーが生じるが、どこが原因か分からない。２

Question

ちょっと色々間違えていたので、回答を元に全体を編集しました、
しかしどう直せば良いのかいまだに分からずじまいです。

from google.colab import drive
drive.mount('/content/drive')

import sys
import numpy as np
import matplotlib.pyplot as plt

sys.path.append('/content/drive/My Drive')

import ActivationFunction as AF

from PIL import Image
from IPython.display import display

img = Image.open("drive/My Drive/mnist_dataset/rei.jpeg")
img = img.resize((100, 100))
img = np.asarray(img)

plt.imshow(img)

size = 5

v_split = img.shape[0] // size
h_split = img.shape[1] // size
out_img = []
[out_img.extend(np.hsplit(h_img, h_split))
    for h_img in np.vsplit(img, v_split)]

print("len(out_img)" ,len(out_img))

plt.figure(figsize=(100,100))

for i in range(len(out_img)):
    plt.subplot(20, 20, i+1).imshow(out_img[i])

def extract(x, y):
    # カラー画像の時Gだけ抜き取りたい
    if len(x.shape) == 3:
        h, w, ch = x.shape

    # RGBのGだけ抜き取りたい
    return x[:,:,y]

v_max, v_min = 300, 200

def diff(x):
    imgrows, lenrows, imgcolumns, lencolumns = [], [], [], []
    for (img, imgt) in zip(x, x.T):
        rows = img[(v_min<img)&(v_max>img)]
        columns = imgt[(v_min<imgt)&(v_max>imgt)]
        imgrows.append(rows)
        lenrows.append(len(rows))
        imgcolumns.append(columns)
        lencolumns.append(len(columns))
    return lenrows + lencolumns

out_data_list = [[0]] * len(out_img)
for i in range(len(out_img)):
    out_data_list[i].append(diff(extract(out_img[i], 1)) + diff(extract(out_img[i], 2))  + diff(extract(out_img[i], 0)))

# 見本データに対しても同様に
# exについて同様に
training_data_list = []

for i in range(len(out_img)):
    #g #b #r 抽出後diffしてappend
    training_data_list.append([i] + diff(extract(out_img[i], 1)) + diff(extract(out_img[i], 2))  + diff(extract(out_img[i], 0))) # 略

print("training_data_list" ,training_data_list)
print("training_data_list[1:]" ,training_data_list[1:])
print("len(training_data_list)" ,len(training_data_list))
print("len(out_data_list[0])" ,len(out_data_list[0]))
print("out_data_list[0][0]" ,out_data_list[0][0])
print("out_data_list[1][0]" ,out_data_list[1][0])
print("out_data_list[2][0]" ,out_data_list[2][0])
print("out_data_list[0][1]" ,out_data_list[0][1])
print("out_data_list[1][1]" ,out_data_list[1][1])
print("len(out_data_list[1:])" ,len(out_data_list[1:]))
print("out_data_list[0][1:]" ,out_data_list[0][1:])

# 3層ニューラルネットワーク
class ThreeLayerNetwork:
    # コンストラクタ
    def __init__(self, inodes, hnodes, onodes, lr):
        # 各レイヤーのノード数
        self.inodes = inodes
        self.hnodes = hnodes
        self.onodes = onodes

        # 学習率
        self.lr = lr

        # 重みの初期化
        self.w_ih = np.random.normal(0.0, 1.0, (self.hnodes, self.inodes))
        self.w_ho = np.random.normal(0.0, 1.0, (self.onodes, self.hnodes))

        # 活性化関数
        self.af = AF.sigmoid
        self.daf = AF.derivative_sigmoid

    # 誤差逆伝搬
    def backprop(self, idata, tdata):

        # 縦ベクトルに変換
        o_i = np.array(idata, ndmin=2).T
        t = np.array(tdata, ndmin=2).T

        # 隠れ層
        np.set_printoptions(threshold=10000)
        x_h = np.dot(self.w_ih, o_i)
        o_h = self.af(x_h)

        # 出力層
        x_o = np.dot(self.w_ho, o_h)
        o_o = self.af(x_o)

        # 誤差計算
        e_o = (t - o_o)
        e_h = np.dot(self.w_ho.T, e_o)

        # 重みの更新
        self.w_ho += self.lr * np.dot((e_o * self.daf(o_o)), o_h.T)
        self.w_ih += self.lr * np.dot((e_h * self.daf(o_h)), o_i.T)


    # 順伝搬
    def feedforward(self, idata):
        # 入力のリストを縦ベクトルに変換
        o_i = np.array(idata, ndmin=2).T

        # 隠れ層
        x_h = np.dot(self.w_ih, o_i)
        o_h = self.af(x_h)

        # 出力層
        x_o = np.dot(self.w_ho, o_h)
        o_o = self.af(x_o)

        return o_o

if __name__=='__main__':
    # パラメータ
    #inodes=784から30に変更
    inodes = 30
    hnodes = 100
    onodes = 400
    lr = 0.3

    # ニューラルネットワークの初期化
    nn = ThreeLayerNetwork(inodes, hnodes, onodes, lr)

    # 学習
    epoch = 50
    for e in range(epoch):
        print('#epoch ', e)
        data_size = len(training_data_list)
        for i in range(data_size):
            if i % 1000 == 0:
                print('  train: {0:>5d} / {1:>5d}'.format(i, data_size))
            idata = (np.array(training_data_list[i][1:]) / 255.0 * 0.99) + 0.01
            # 変更の余地あり
            tdata = np.zeros(onodes) + 0.01
            tdata[training_data_list[i][0]] = 0.99
            nn.backprop(idata, tdata)
            pass
        pass

    # テスト
    scoreboard = []
    for i in range(len(out_data_list)):
            idata = (np.array(out_data_list[i][1:]) / 255.0 * 0.99) + 0.01
            predict = nn.feedforward(idata)
            plabel = np.argmax(predict)
            print("plabel" ,plabel)
            pass

    scoreboard_array = np.asarray(scoreboard)
    print('performance: ', scoreboard_array.sum() / scoreboard_array.size)

Mounted at /content/drive
len(out_img) 400
training_data_list [[0, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5]
中略
 [394, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5], [395, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5], [396, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5], [397, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5], [398, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5], [399, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5]]
len(training_data_list) 400
len(out_data_list[0]) 401
out_data_list[0][0] 0
out_data_list[1][0] 0
out_data_list[2][0] 0
out_data_list[0][1] [5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5]
out_data_list[1][1] [5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5]
len(out_data_list[1:]) 399
out_data_list[0][1:] [[5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5], [5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5], [5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5]
中略
 [5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5], [5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5]]
#epoch  0
  train:     0 /   400
中略
#epoch  49
  train:     0 /   400
plabel 148800
中略
plabel 148800

performance:  nan
/usr/local/lib/python3.7/dist-packages/ipykernel_launcher.py:178: RuntimeWarning: invalid value encountered in double_scalars

何がおかしいかというと、plavelが全て14880なんです、全て同じというのは、同じことの繰り返しになっているわけではないんでしょうか、いずれにせよ、これではプログラムの意味がない・・・。

Comments

[K_3578]

なぜこの質問文のままで見やすいと思うのか不思議だ。
普通code機能で囲むだろう

Answer 1

「# テスト」よりも上のどこかに下記を追加して実行して、その結果表示を見たら、分かると思います

print(len(out_data_list[0]))
print(len(out_data_list[0][0]))
print(out_data_list[0][0])

Comments

[ques346]

print lenは結構やってるのですが、言われた通り後でやってみます。