編集履歴

質問編集履歴

記法を最新のKerasに合わせ、警告がなくなるように修正し、少し見やすくしました。

2017/09/05 05:38

投稿

mizu4423

スコア10

title CHANGED Viewed

File without changes

body CHANGED Viewed

@@ -5,47 +5,26 @@
 訓練したモデルは判別率9割ほどにも関わらず、どの画像を与えても、分類するカテゴリーの一番最初の物にしかならない。(for文が回ってない？)
 実行結果
-$ python3 getboar-checker.py sample.JPG STC_0232.JPG STC_0280.JPG STC_0141.JPG STC_1442.JPG STC_0253.JPG STC_0278.JPG STC_5392.JPG STC_0929.
+$ python3 getboar-checker.py sample.JPG STC_0232.JPG STC_0280.JPG STC_0141.JPG STC_1442.JPG
-JPG
 Using TensorFlow backend.
-/Users/nakagawa/Documents/pyprogram/getboar_keras2.py:27: UserWarning: Update your `Conv2D` call to the Keras 2 API: `Conv2D(32, (3, 3), input_shape=(50, 50, 3...
-, padding="same")`
-  model.add(Conv2D(32, 3, 3, border_mode='same', input_shape=in_shape))
-/Users/nakagawa/Documents/pyprogram/getboar_keras2.py:31: UserWarning: Update your `Conv2D` call to the Keras 2 API: `Conv2D(64, (3, 3), padding="same")`
-  model.add(Conv2D(64, 3, 3, border_mode='same'))
-/Users/nakagawa/Documents/pyprogram/getboar_keras2.py:33: UserWarning: Update your `Conv2D` call to the Keras 2 API: `Conv2D(64, (3, 3))`
-  model.add(Conv2D(64, 3, 3))
 + 入力: sample.JPG
-| 動物: boar2
+| 動物: nothing
 | 状態: 0
 + 入力: STC_0232.JPG
-| 動物: boar2
+| 動物: nothing
 | 状態: 0
 + 入力: STC_0280.JPG
-| 動物: boar2
+| 動物: nothing
 | 状態: 0
 + 入力: STC_0141.JPG
-| 動物: boar2
+| 動物: nothing
 | 状態: 0
 + 入力: STC_1442.JPG
-| 動物: boar2
+| 動物: nothing
 | 状態: 0
-+ 入力: STC_0253.JPG
-| 動物: boar2
-| 状態: 0
-+ 入力: STC_0278.JPG
-| 動物: boar2
-| 状態: 0
-+ 入力: STC_5392.JPG
-| 動物: boar2
-| 状態: 0
-+ 入力: STC_0929.JPG
-| 動物: boar2
-| 状態: 0
 ###該当のソースコード
 ```Python 3.x
 import getboar_keras2 as getboar
 import sys, os
@@ -60,7 +39,7 @@
 #入力画像をNumpy配列にする
 image_size = 50
-categories = ["boar2", "others", "normal"]
+categories = ["nothing", "others", "boar2"]
 state = [0, 1, 2]
 X = []
@@ -76,7 +55,7 @@
 #CNNのモデルを構築
 model = getboar.build_model(X.shape[1:])
-model.load_weights("./image/getboar2-model.hdf5")
+model.load_weights("./image/hogetboar-model.hdf5")
 #データを予測
 html = ""
@@ -110,24 +89,30 @@
 ###試したこと
 参考書のサンプルコードを自分の使っているデータセットを使った場合でやってみたが、結果は変わらなかったため、サンプルコードが間違っている可能性も考えられる。
 画像データを減らしてやってみたが、効果なし。
+binary_crossentropyをcategorical_crossentropyにしたが、効果なし。
 ###補足情報(言語/FW/ツール等のバージョンなど)
-Python3.6.1を使用。
+Python3.6.1
+tensorflow (1.3.0)
+tensorflow-tensorboard (0.1.5)
+Keras (2.0.8)
+numpy (1.13.1)
 参考書のサンプルコードなど(ch07に入ってます)
 http://www.socym.co.jp/download/1079/src.zip
 また、以下の2つのプログラムによって、Numpyのデータ生成と、訓練を行った。
-(1)データをNumpy配列に変換し、チューニングするプログラム
+(1)データをNumpy配列に変換し、チューニングするプログラム(getboar-makedata2.py)
+```Python 3.x
 from PIL import Image
 import os, glob
 import numpy as np
 import random, math
 root_dir = "./image/"
-categories = ["normal", "boar2", "others"]
+categories = ["nothing", "boar2", "others"]
 nb_classes = len(categories)
 image_size = 50
@@ -173,10 +158,11 @@
 X_train, y_train = make_sample(train, True)
 X_test, y_test = make_sample(test, False)
 xy = (X_train, X_test, y_train, y_test)
-np.save("./image/getboar2.npy", xy)
+np.save("./image/hogetboar.npy", xy)
 print("ok,", len(y_train))
+```
-(2)CNNで学習させるプログラム
+Python (2)CNNで学習させるプログラム(getboar-keras2.py)
+```Python 3.x
 from keras.models import Sequential
 from keras.layers import Conv2D, MaxPooling2D
 from keras.layers import Activation, Dropout, Flatten, Dense
@@ -184,28 +170,32 @@
 import numpy as np
 root_dir = "./image/"
-categories = ["boar2", "others", "normal"]
+categories = ["nothing", "boar2", "others"]
 nb_classes = len(categories)
 image_size = 50
+# データ読み込み
 def main():
-    X_train, X_test, y_train, y_test = np.load("./image/getboar2.npy")
+    X_train, X_test, y_train, y_test = np.load("./image/hogetboar.npy")
+    #データを正規化
     X_train = X_train.astype("float") / 256
     X_test = X_test.astype("float") / 256
     y_train = np_utils.to_categorical(y_train, nb_classes)
     y_test = np_utils.to_categorical(y_test, nb_classes)
+    #モデルを訓練 & 評価
     model = model_train(X_train, y_train)
     model_eval(model, X_test, y_test)
+#モデル構築
 def build_model(in_shape):
     model = Sequential()
-    model.add(Conv2D(32, 3, 3, border_mode='same', input_shape=in_shape))
+    model.add(Conv2D(32, (3, 3), padding='same', input_shape=in_shape))
     model.add(Activation('relu'))
     model.add(MaxPooling2D(pool_size=(2, 2)))
     model.add(Dropout(0.25))
-    model.add(Conv2D(64, 3, 3, border_mode='same'))
+    model.add(Conv2D(64, (3, 3), padding='same'))
     model.add(Activation('relu'))
-    model.add(Conv2D(64, 3, 3))
+    model.add(Conv2D(64, (3, 3)))
     model.add(MaxPooling2D(pool_size=(2, 2)))
     model.add(Dropout(0.25))
     model.add(Flatten())
@@ -214,21 +204,24 @@
     model.add(Dropout(0.5))
     model.add(Dense(nb_classes))
     model.add(Activation('softmax'))
-    model.compile(loss = 'binary_crossentropy', optimizer = 'rmsprop', metrics=['accuracy'])
+    model.compile(loss = 'categorical_crossentropy', optimizer = 'rmsprop', metrics=['accuracy'])
     return model
+# 訓練
 def model_train(X, y):
     model = build_model(X.shape[1:])
-    model.fit(X, y, batch_size=32, nb_epoch=30)
+    model.fit(X, y, batch_size=32, epochs=30)
+    #モデル保存
-    hdf5_file = "./image/getboar2-model.hdf5"
+    hdf5_file = "./image/hogetboar-model.hdf5"
     model.save_weights(hdf5_file)
     return model
+#モデル評価
-    def model_eval(model, X, y):
+def model_eval(model, X, y):
     score = model.evaluate(X, y)
     print('loss=', score[0])
     print('accuracy=', score[1])
 if __name__ == "__main__":
-    main()
+    main()
+```