Python errorエラー

Question

前提

kerasのFunctional APIにてcnnを作成しているときにエラーが起こりました
データの長さが498
データのチャンネル数は4つです。

実現したいこと

このエラーの原因が知りたいです。

発生している問題・エラーメッセージ

Traceback (most recent call last):
  File "/Users/****/code.py", line 90, in <module>
    inputs = Input(train_data)
  File "/opt/anaconda3/envs/emg/lib/python3.9/site-packages/tensorflow/python/keras/engine/input_layer.py", line 309, in Input
    input_layer = InputLayer(**input_layer_config)
  File "/opt/anaconda3/envs/emg/lib/python3.9/site-packages/tensorflow/python/keras/engine/input_layer.py", line 155, in __init__
    input_tensor = backend.placeholder(
  File "/opt/anaconda3/envs/emg/lib/python3.9/site-packages/tensorflow/python/keras/backend.py", line 1246, in placeholder
    spec = tensor_spec.TensorSpec(
  File "/opt/anaconda3/envs/emg/lib/python3.9/site-packages/tensorflow/python/framework/tensor_spec.py", line 51, in __init__
    self._shape = tensor_shape.TensorShape(shape)
  File "/opt/anaconda3/envs/emg/lib/python3.9/site-packages/tensorflow/python/framework/tensor_shape.py", line 758, in __init__
    self._dims = [Dimension(d) for d in dims]
  File "/opt/anaconda3/envs/emg/lib/python3.9/site-packages/tensorflow/python/framework/tensor_shape.py", line 758, in <listcomp>
    self._dims = [Dimension(d) for d in dims]
  File "/opt/anaconda3/envs/emg/lib/python3.9/site-packages/tensorflow/python/framework/tensor_shape.py", line 201, in __init__
    self._value = int(value.__index__())
TypeError: only integer scalar arrays can be converted to a scalar index

該当のソースコード

# import tensorflow as tf
# physical_devices = tf.config.experimental.list_physical_devices('GPU')
# if len(physical_devices) > 0:
#     for k in range(len(physical_devices)):
#         tf.config.experimental.set_memory_growth(physical_devices[k], True)
#         print('memory growth:', tf.config.experimental.get_memory_growth(physical_devices[k]))
# else:
#     print("Not enough GPU hardware devices available")

from re import X
import numpy as np
from keras.models import Sequential
from keras.layers import Conv2D, MaxPool2D ,MaxPool1D, Conv1D
from keras.layers import Activation, Dropout, Flatten, Dense
from keras.layers import Input, Dense
from keras import optimizers
import matplotlib.pyplot as plt
import csv
import os 
import pandas as pd
from keras.utils import np_utils
from sklearn.model_selection import train_test_split
from keras.callbacks import EarlyStopping 
from keras_self_attention import SeqSelfAttention
from keras.models import Model

np.random.seed(42)



csv_file=os.listdir('/Users/〜')
# print(csv_file)

l=[]
label_data=[]
samples=len(csv_file)

for x in range(len(csv_file)):
    dataset=pd.read_csv('/Users/〜/'+str(csv_file[x]),engine='python')
    # dataset=dataset.iloc[:,1:5]
    dataset=dataset.iloc[:,1:9]
    dataset=dataset.drop(dataset.columns[[1,4,6,7]], axis=1) #チャネル減少
    Len=len(dataset)#データの長さ
    label=str(csv_file[x])

    label_data.append(label[0])
    dataset=dataset.values.T #data.shape ==> (4, 498)
    input_data=dataset
    l.append(input_data.copy())

train_data=np.array(l) 


label_data = np_utils.to_categorical(label_data)
label_data = np.delete(label_data, 0, axis=1)
label_data=np.array(label_data)

epochs=200
batch_size=8

#model
# モデルの定義
inputs = Input(train_data)
#batch_size, steps, input_dim

x=Conv1D(8,12,strides=1,activation='relu')(inputs)
x=MaxPool1D(pool_size=2,strides=2)(x)
x=Conv1D(64,3,strides=1,activation='relu')(x)
x=MaxPool1D(pool_size=2,strides=2)(x)
x=Conv1D(64,3,strides=1,activation='relu')(x)
x=MaxPool1D(pool_size=2,strides=2)(x)
x=Conv1D(64,3,strides=1,activation='relu')(x)
x=MaxPool1D(pool_size=2,strides=2)(x)
x=Conv1D(64,3,strides=1,activation='relu')(x)
x=MaxPool1D(pool_size=2,strides=2)(x)


x=Dropout(0.7)(x)

x=Flatten()(x)
x=Dense(2000)(X)
x=Activation('relu')(x)

x=Dropout(0.5)(x)
x=Dense(8, activation='softmax')(x)


model=Model(inputs,x)

adam = optimizers.Adam(lr=0.0001)
# sgd = optimizers.SGD(lr=0.01)

model.compile(optimizer=adam, loss='categorical_crossentropy', metrics=["accuracy"])





# history = model.fit(train_x, train_t, batch_size=batch_size, epochs=epochs, verbose=1)
early_stopping_cb = EarlyStopping(monitor='val_loss', patience=10)
#restore_best_weights=True
#アーリーストッピングあり
history = model.fit(train_data, label_data, batch_size=batch_size, epochs=epochs, verbose=1, validation_split=0.2, shuffle=True , callbacks=[early_stopping_cb])
#なし
# history = model.fit(train_data, label_data, batch_size=batch_size, epochs=epochs, verbose=1, validation_split=0.2, shuffle=True )
model.summary()
model.save('/Users/モデル')



# plt.plot(history.history['loss'], label='loss')
# plt.plot(history.history['val_loss'], label='val_loss')
# plt.xlabel('epoch')
# plt.ylabel('loss')
# plt.legend() 
# plt.show()

#loss
plt.plot(history.history['loss'])
plt.plot(history.history['val_loss'])
plt.title('model loss')
plt.ylabel('loss')
plt.xlabel('epoch')
plt.legend(['train', 'test'], loc='upper left')
plt.show()

#Accuracy
plt.figure()
plt.plot(history.history['accuracy'])
plt.plot(history.history['val_accuracy'])
plt.title('model accuracy')
plt.ylabel('accuracy')
plt.xlabel('epoch')
plt.legend(['train', 'test'], loc='upper left')
plt.show()

試したこと

ここに問題に対して試したことを記載してください。

補足情報（FW/ツールのバージョンなど）

ここにより詳細な情報を記載してください。

Comments

[jbpb0]

質問に記載のエラーメッセージよりも上に「Traceback」と書かれてたら、そこから下をできるだけ省略せずに質問に記載してください
(ここに書くのではなく、質問を編集して追記する)

ユーザー名等の個人情報は伏せ字でいいですが、それ以外はできるだけそのまま記載してください

[jbpb0]

inputs = Input(train_data)
↓ 修正
inputs = Input(shape=train_data.shape[1:])

で、どうでしょうか？

[Riri09020500]

以下解決

[Riri09020500]

inputs = Input(shape=train_data.shape[1:])に変更したのち
dataset=dataset.values.T #data.shape ==> (4, 498)
から
dataset=dataset.valuesにすることで解決いたしました。

Answer 1

inputs = Input(train_data)

↓ 修正

inputs = Input(shape=train_data.shape[1:])