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
87.20%
深層学習

深層学習は、多数のレイヤのニューラルネットワークによる機械学習手法。人工知能研究の一つでディープラーニングとも呼ばれています。コンピューター自体がデータの潜在的な特徴を汲み取り、効率的で的確な判断を実現することができます。

CNN (Convolutional Neural Network)

CNN (Convolutional Neural Network)は、全結合層のみではなく畳み込み層とプーリング層で構成されるニューラルネットワークです。画像認識において優れた性能を持ち、畳み込みニューラルネットワークとも呼ばれています。

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。

解決済

CNNの学習でエラーが発生しました。解決方法をご教授頂きたいです。

fairlady
fairlady

総合スコア2

深層学習

深層学習は、多数のレイヤのニューラルネットワークによる機械学習手法。人工知能研究の一つでディープラーニングとも呼ばれています。コンピューター自体がデータの潜在的な特徴を汲み取り、効率的で的確な判断を実現することができます。

CNN (Convolutional Neural Network)

CNN (Convolutional Neural Network)は、全結合層のみではなく畳み込み層とプーリング層で構成されるニューラルネットワークです。画像認識において優れた性能を持ち、畳み込みニューラルネットワークとも呼ばれています。

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。

1回答

0評価

0クリップ

1133閲覧

投稿2021/12/09 09:16

CNNを学習させ、胸部X線の疾患を検出するプログラムを書いています。
現在は練習として少ない画像で練習しています。そのため、細菌に感染した肺とウイルスに感染した肺の画像で判別を行っております。

自分のGoogle driveに保存してある画像をリサイズし、CNNに読み込ませています。
CNNのモデルを学習させていましたが、下記のエラーが出てきます。

ValueError: in user code: File "/usr/local/lib/python3.7/dist-packages/keras/engine/training.py", line 878, in train_function * return step_function(self, iterator) File "/usr/local/lib/python3.7/dist-packages/keras/engine/training.py", line 867, in step_function ** outputs = model.distribute_strategy.run(run_step, args=(data,)) File "/usr/local/lib/python3.7/dist-packages/keras/engine/training.py", line 860, in run_step ** outputs = model.train_step(data) File "/usr/local/lib/python3.7/dist-packages/keras/engine/training.py", line 810, in train_step y, y_pred, sample_weight, regularization_losses=self.losses) File "/usr/local/lib/python3.7/dist-packages/keras/engine/compile_utils.py", line 201, in __call__ loss_value = loss_obj(y_t, y_p, sample_weight=sw) File "/usr/local/lib/python3.7/dist-packages/keras/losses.py", line 141, in __call__ losses = call_fn(y_true, y_pred) File "/usr/local/lib/python3.7/dist-packages/keras/losses.py", line 245, in call ** return ag_fn(y_true, y_pred, **self._fn_kwargs) File "/usr/local/lib/python3.7/dist-packages/keras/losses.py", line 1665, in categorical_crossentropy y_true, y_pred, from_logits=from_logits, axis=axis) File "/usr/local/lib/python3.7/dist-packages/keras/backend.py", line 4994, in categorical_crossentropy target.shape.assert_is_compatible_with(output.shape) ValueError: Shapes (None, 1) and (None, 2) are incompatible

ソースコードはこちらになります。

Python

from keras.utils import np_utils from keras.models import Sequential from keras.layers.convolutional import MaxPooling2D from keras.layers import Activation, Conv2D, Flatten, Dense, Dropout from keras.engine import base_layer_utils from sklearn.model_selection import train_test_split import numpy as np import keras import glob import os import cv2 !pip install tensorflow !pip install tensorflow-gpu !pip install keras num_classes = 2 bacteria = [] virus = [] files = glob.glob("/content/drive/MyDrive/resize/bacteria_small/*.*") i = 1 for file in files: img_bacteria = cv2.imread(file) img_bacteria = np.array(img_bacteria) bacteria.append(img_bacteria) bacteria = np.array(bacteria) files = glob.glob("/content/drive/MyDrive/resize/virus_small/*.*") i = 1 for file in files: img_virus = cv2.imread(file) img_virus = np.array(img_virus) virus.append(img_virus) virus = np.array(virus) np.savez('gazou_np', bacteria, virus) a = np.load('/content/gazou_np.npz') x = np.concatenate([a['arr_0'],a['arr_1']]) bacteria_label = np.array([0]*len(a['arr_0'])) virus_label = np.array([1]*len(a['arr_1'])) y = np.concatenate([bacteria_label, virus_label]) y = np.array(y) x_train, x_test, y_train, y_test = train_test_split(x, y, test_size = 0.20) x_train = x_train.astype('float32')/255 x_test = x_test.astype('float32')/255 input_shape = x_train.shape model = Sequential() model.add(Conv2D(32, (3, 3), padding='same', input_shape = (input_shape))) model.add(Activation('relu')) model.add(MaxPooling2D(pool_size=(2, 2))) model.add(Dropout(0.25)) model.add(Conv2D(64, (3, 3), padding='same')) model.add(Activation('relu')) model.add(MaxPooling2D(pool_size=(2, 2))) model.add(Dropout(0.25)) model.add(Conv2D(128, (3, 3), padding='same')) model.add(Activation('relu')) model.add(MaxPooling2D(pool_size=(2, 2))) model.add(Dropout(0.25)) model.add(Flatten()) model.add(Dense1(16)) model.add(Activation('relu')) model.add(Dense2(64)) model.add(Activation('relu')) model.add(Dense3(128)) model.add(Activation('relu')) model.add(Dropout(0.5)) model.add(Dense(num_classes, activation='softmax')) model.summary() model.compile(loss='categorical_crossentropy', optimizer='Adam', metrics=['accuracy']) history = model.fit(x_train, y_train, epochs=50, validation_data=(x_test,y_test))

model.summary()の実行結果です。

Model: "sequential_1" _________________________________________________________________ Layer (type) Output Shape Param # ================================================================= conv2d_3 (Conv2D) (None, 64, 64, 32) 896 activation_3 (Activation) (None, 64, 64, 32) 0 max_pooling2d_3 (MaxPooling (None, 32, 32, 32) 0 2D) dropout_3 (Dropout) (None, 32, 32, 32) 0 conv2d_4 (Conv2D) (None, 32, 32, 64) 18496 activation_4 (Activation) (None, 32, 32, 64) 0 max_pooling2d_4 (MaxPooling (None, 16, 16, 64) 0 2D) dropout_4 (Dropout) (None, 16, 16, 64) 0 conv2d_5 (Conv2D) (None, 16, 16, 128) 73856 activation_5 (Activation) (None, 16, 16, 128) 0 max_pooling2d_5 (MaxPooling (None, 8, 8, 128) 0 2D) dropout_5 (Dropout) (None, 8, 8, 128) 0 flatten_1 (Flatten) (None, 8192) 0 dense (Dense) (None, 16) 131088 activation_6 (Activation) (None, 16) 0 dense_1 (Dense) (None, 64) 1088 activation_7 (Activation) (None, 64) 0 dense_2 (Dense) (None, 128) 8320 activation_8 (Activation) (None, 128) 0 dropout_6 (Dropout) (None, 128) 0 dense_3 (Dense) (None, 2) 258 ================================================================= Total params: 234,002 Trainable params: 234,002 Non-trainable params: 0 _________________________________________________________________

なぜエラーが出てくるのかがわかりません。どなたか解決方法を教えてください。
よろしくお願いします。

良い質問の評価を上げる

以下のような質問は評価を上げましょう

  • 質問内容が明確
  • 自分も答えを知りたい
  • 質問者以外のユーザにも役立つ

評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

気になる質問をクリップする

クリップした質問は、後からいつでもマイ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。

teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

  • プログラミングに関係のない質問
  • やってほしいことだけを記載した丸投げの質問
  • 問題・課題が含まれていない質問
  • 意図的に内容が抹消された質問
  • 過去に投稿した質問と同じ内容の質問
  • 広告と受け取られるような投稿

評価を下げると、トップページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

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

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
87.20%

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

同じタグがついた質問を見る

深層学習

深層学習は、多数のレイヤのニューラルネットワークによる機械学習手法。人工知能研究の一つでディープラーニングとも呼ばれています。コンピューター自体がデータの潜在的な特徴を汲み取り、効率的で的確な判断を実現することができます。

CNN (Convolutional Neural Network)

CNN (Convolutional Neural Network)は、全結合層のみではなく畳み込み層とプーリング層で構成されるニューラルネットワークです。画像認識において優れた性能を持ち、畳み込みニューラルネットワークとも呼ばれています。

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。