pythonのyou must specify 'dtype=object' when creating the ndarrayのエラーを解消したい

Question

前提・実現したいこと

'Artificial Neural Network Implementation using NumPy and Classification of the Fruits360 Image Dataset'の，画像を判断する問題を解いています．掲載されているコードを動かしたところエラーが出てしまいました．エラーを読むと，「配列が正しくない」「引数が間違っている」ようなのですが，解決方法がわかりません．どなたか教えていただけないでしょうか．

発生している問題・エラーメッセージ

<ipython-input-5-52cbda16dbf7>:73: VisibleDeprecationWarning: Creating an ndarray from ragged nested sequences (which is a list-or-tuple of lists-or-tuples-or ndarrays with different lengths or shapes) is deprecated. If you meant to do this, you must specify 'dtype=object' when creating the ndarray
  weights = numpy.array([input_HL1_weights,
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-5-52cbda16dbf7> in <module>
     75   HL2_output_weights])
     76 
---> 77 weights = train_network(num_iterations=10,
     78   weights=weights,
     79   data_inputs=data_inputs,

<ipython-input-5-52cbda16dbf7> in train_network(num_iterations, weights, data_inputs, data_outputs, learning_rate, activation)
     21             for idx in range(len(weights) - 1):
     22                 curr_weights = weights[idx]
---> 23                 r1 = numpy.matmul(a=r1, b=curr_weights)
     24                 if activation == "relu":
     25                     r1 = relu(r1)

ValueError: invalid number of arguments

該当のソースコード

import numpy
import pickle

def sigmoid(inpt):
    return 1.0 / (1 + numpy.exp(-1 * inpt))

def relu(inpt):
    result = inpt
    result[inpt < 0] = 0
    return result

def update_weights(weights, learning_rate):
    new_weights = weights - learning_rate * weights
    return new_weights

def train_network(num_iterations, weights, data_inputs, data_outputs, learning_rate, activation="relu"):
    for iteration in range(num_iterations):
        print("Itreation ", iteration)
        for sample_idx in range(data_inputs.shape[0]):
            r1 = data_inputs[sample_idx, :]
            for idx in range(len(weights) - 1):
                curr_weights = weights[idx]
                r1 = numpy.matmul(a=r1, b=curr_weights)
                if activation == "relu":
                    r1 = relu(r1)
                elif activation == "sigmoid":
                    r1 = sigmoid(r1)
        curr_weights = weights[-1]
        r1 = numpy.matmul(a=r1, b=curr_weights)
        predicted_label = numpy.where(r1 == numpy.max(r1))[0][0]
        desired_label = data_outputs[sample_idx]
        if predicted_label != desired_label:
            weights = update_weights(weights, learning_rate=0.001)
        return weights

def predict_outputs(weights, data_inputs, activation="relu"):
    predictions = numpy.zeros(shape=(data_inputs.shape[0]))
    for sample_idx in range(data_inputs.shape[0]):
        r1 = data_inputs[sample_idx, :]
        for curr_weights in weights:
            r1 = numpy.matmul(a=r1, b=curr_weights)
        if activation == "relu":
            r1 = relu(r1)
        elif activation == "sigmoid":
            r1 = sigmoid(r1)
        predicted_label = numpy.where(r1 == numpy.max(r1))[0][0]
        predictions[sample_idx] = predicted_label
    return predictions

f = open("dataset_features.pkl", "rb")
data_inputs2 = pickle.load(f)
f.close()

features_STDs = numpy.std(a=data_inputs2, axis=0)
data_inputs = data_inputs2[:, features_STDs > 50]

f = open("outputs.pkl", "rb")
data_outputs = pickle.load(f)
f.close()

HL1_neurons = 150
input_HL1_weights = numpy.random.uniform(low=-0.1, high=0.1,
size=(data_inputs.shape[1], HL1_neurons))

HL2_neurons = 60
HL1_HL2_weights = numpy.random.uniform(low=-0.1, high=0.1,
size=(HL1_neurons, HL2_neurons))

output_neurons = 4
HL2_output_weights = numpy.random.uniform(low=-0.1, high=0.1,
size=(HL2_neurons, output_neurons))

weights = numpy.array([input_HL1_weights,
  HL1_HL2_weights,
  HL2_output_weights])

weights = train_network(num_iterations=10,
  weights=weights,
  data_inputs=data_inputs,
  data_outputs=data_outputs,
  learning_rate=0.01,
  activation="relu")

predictions = predict_outputs(weights, data_inputs)
num_flase = numpy.where(predictions != data_outputs)[0]
print("num_flase ", num_flase.size)

補足情報（FW/ツールのバージョンなど）

・使用しているサイトのURLになります．(https://towardsdatascience.com/artificial-neural-network-implementation-using-numpy-and-classification-of-the-fruits360-image-3c56affa4491)
・JupyterLabで動かしています．

Comments

[meg_]

質問タイトルの「you must specify 'dtype=object' when creating the ndarray」はVisibleDeprecationWarningの一文ですね。
エラーは「ValueError: invalid number of arguments」の方ではありませんか？

[meg_]

「r1 = numpy.matmul(a=r1, b=curr_weights)」のa=、b=を削除すると動きますか？

[nekonoko09]

私も「ValueError: invalid number of arguments」がエラー文だと思ったのですが，メッセージについて色々調べていると配列が原因というサイトにたどり着いたので，そこがエラーだと思ってしまいました．ご指摘の通りだと思います，教えていただきありがとうございます．

「r1 = numpy.matmul(a=r1, b=curr_weights)」のa=、b=を削除すると動きますか？
についてですが，該当の箇所のa=、b=を削除したところ，エラーは出ず動きました，ありがとうございます．
しかし，以下のような
「<ipython-input-8-77271a77b395>:73: VisibleDeprecationWarning: Creating an ndarray from ragged nested sequences (which is a list-or-tuple of lists-or-tuples-or ndarrays with different lengths or shapes) is deprecated. If you meant to do this, you must specify 'dtype=object' when creating the ndarray
weights = numpy.array([input_HL1_weights,」
という警告が出ました．これは正しく作動しているということなのでしょうか？重ね重ね申し訳ありません．

Answer 1

numpy.matmulには、第一引数x1第二引数x2をマストで渡さないといけないのですが、

r1 = numpy.matmul(a=r1, b=curr_weights)

こちらのコードだと、aとbに引数を渡していて、x1とx2には引数が渡されていないことになります。

そのため、

r1 = numpy.matmul(x1=r1, x2=curr_weights)

もしくは

r1 = numpy.matmul(r1, curr_weights)

に変更すれば解決できるように思います。

こちらのドキュメント参考にしています。

https://numpy.org/doc/stable/reference/generated/numpy.matmul.html

Comments

[nekonoko09]

a, bを削除したら動いた理由もわかりました．とてもわかりやすい解説をありがとうございます．

[nnkkmto]

ありがとうございます！解決したのであれば質問を閉じていただけると幸いです。