1つの入力から4クラスの分類を行なう場合について（カテゴリ分類）

from tensorflow.keras.layers import Conv2D
from keras.layers import Dense, BatchNormalization
from keras.layers.pooling import MaxPooling2D
from keras.layers.core import Dense, Dropout, Flatten
from keras.models import Sequential
from tensorflow import keras
model = Sequential()
model.add(Conv2D(20, kernel_size=5, strides=2, activation='relu',input_shape=(120,128,1)))
model.add(MaxPooling2D(3, strides=2))
model.add(BatchNormalization())

model.add(Conv2D(50, kernel_size=5, strides=2, activation='relu'))
model.add(MaxPooling2D(3, strides=2))
model.add(BatchNormalization())

model.add(Flatten())
model.add(Dense(100, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(4, activation='softmax'))
model.compile(optimizer='rmsprop',
loss='categorical_crossentropy',
metrics=['accuracy'])

from sklearn.preprocessing import LabelEncoder
import numpy as np
code = np.array(labels['expression'])
label_encoder = LabelEncoder()
vec = label_encoder.fit_transform(code)

one_hot_labels = keras.utils.to_categorical(vec, num_classes=10)

model.fit(col, one_hot_labels, epochs=10, batch_size=32)
//////////////////////////////////////////////////////////
col.shape=(312,120,128)
one_hot_label.shape=(312,4)
/////////////////////////////////////////////////////////
model.summary()
Model: "sequential_6"

Layer (type) Output Shape Param

conv2d_9 (Conv2D) (None, 58, 62, 20) 520

max_pooling2d_6 (MaxPooling2 (None, 28, 30, 20) 0

batch_normalization_6 (Batch (None, 28, 30, 20) 80

conv2d_10 (Conv2D) (None, 12, 13, 50) 25050

max_pooling2d_7 (MaxPooling2 (None, 5, 6, 50) 0

batch_normalization_7 (Batch (None, 5, 6, 50) 200

flatten_4 (Flatten) (None, 1500) 0

dense_6 (Dense) (None, 100) 150100

dropout_3 (Dropout) (None, 100) 0

dense_7 (Dense) (None, 4) 404

Total params: 176,354
Trainable params: 176,214
Non-trainable params: 140

/////////////////////////////////////////////////////////
colはモノクロ画像を読み込んでnp.arrayで格納しています

jbpb0

2021/09/01 02:04

> model.add(Conv2D(20, kernel_size=5, strides=2, activation='relu',input_shape=(120,128,1))) なら、 > col.shape=(312,120,128) は「(312,120,128,1)」じゃないとダメなのでは？

aaraki

2021/09/01 02:15 編集

修正実行しましたが、下記エラーが出ます。場所：model.add(MaxPooling2D(3, strides=2))→一番最初に出現する個所エラー：Input 0 of layer max_pooling2d_11 is incompatible with the layer: expected ndim=4, found ndim=5. Full shape received: (None, 312, 58, 62, 20)

jbpb0

2021/09/01 02:22 編集

> 修正実行しましたが、下記エラーが出ます。場所：model.add(MaxPooling2D(3, strides=2)) 何をどう修正したのか分かりませんが、AIネットワークの方を変えるのではなく、colを変えるのです > colはモノクロ画像を読み込んでnp.arrayで格納していますのshapeが現状 > col.shape=(312,120,128) で、ネットワークの定義 > model.add(Conv2D(20, kernel_size=5, strides=2, activation='relu',input_shape=(120,128,1))) と合ってないので、colのshapeを変えるのですよ (312,120,128) ↓ こうなるようにする (312,120,128,1) 「np.newaxis」とか「np.expand_dims」とか「np.reshape」とかでググってみてください

aaraki

2021/09/01 02:28 編集

修正実行しましたが、fitの個所で以下のエラーが出ます。 Shapes (None, 10) and (None, 4) are incompatible

jbpb0

2021/09/01 02:32

> model.add(Dense(4, activation='softmax')) と > one_hot_labels = keras.utils.to_categorical(vec, num_classes=10) が矛盾してます 4クラス分類なら、後者も「num_classes=4」にする

aaraki

2021/09/01 02:36

すみません、見落としていました。修正実行すると上手くいきました。ありがとうございました。

jbpb0

2021/09/01 02:54

あと、タグの「機械語」は関係無いので、削除してください