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
86.02%
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。

Q&A

解決済

Python errorエラー

Riri09020500
Riri09020500

総合スコア6

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グッド

0クリップ

323閲覧

投稿2022/10/11 11:44

編集2022/10/11 17:21

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

Python

1# import tensorflow as tf 2# physical_devices = tf.config.experimental.list_physical_devices('GPU') 3# if len(physical_devices) > 0: 4# for k in range(len(physical_devices)): 5# tf.config.experimental.set_memory_growth(physical_devices[k], True) 6# print('memory growth:', tf.config.experimental.get_memory_growth(physical_devices[k])) 7# else: 8# print("Not enough GPU hardware devices available") 9 10from re import X 11import numpy as np 12from keras.models import Sequential 13from keras.layers import Conv2D, MaxPool2D ,MaxPool1D, Conv1D 14from keras.layers import Activation, Dropout, Flatten, Dense 15from keras.layers import Input, Dense 16from keras import optimizers 17import matplotlib.pyplot as plt 18import csv 19import os 20import pandas as pd 21from keras.utils import np_utils 22from sklearn.model_selection import train_test_split 23from keras.callbacks import EarlyStopping 24from keras_self_attention import SeqSelfAttention 25from keras.models import Model 26 27np.random.seed(42) 28 29 30 31csv_file=os.listdir('/Users/〜') 32# print(csv_file) 33 34l=[] 35label_data=[] 36samples=len(csv_file) 37 38for x in range(len(csv_file)): 39 dataset=pd.read_csv('/Users/〜/'+str(csv_file[x]),engine='python') 40 # dataset=dataset.iloc[:,1:5] 41 dataset=dataset.iloc[:,1:9] 42 dataset=dataset.drop(dataset.columns[[1,4,6,7]], axis=1) #チャネル減少 43 Len=len(dataset)#データの長さ 44 label=str(csv_file[x]) 45 46 label_data.append(label[0]) 47 dataset=dataset.values.T #data.shape ==> (4, 498) 48 input_data=dataset 49 l.append(input_data.copy()) 50 51train_data=np.array(l) 52 53 54label_data = np_utils.to_categorical(label_data) 55label_data = np.delete(label_data, 0, axis=1) 56label_data=np.array(label_data) 57 58epochs=200 59batch_size=8 60 61#model 62# モデルの定義 63inputs = Input(train_data) 64#batch_size, steps, input_dim 65 66x=Conv1D(8,12,strides=1,activation='relu')(inputs) 67x=MaxPool1D(pool_size=2,strides=2)(x) 68x=Conv1D(64,3,strides=1,activation='relu')(x) 69x=MaxPool1D(pool_size=2,strides=2)(x) 70x=Conv1D(64,3,strides=1,activation='relu')(x) 71x=MaxPool1D(pool_size=2,strides=2)(x) 72x=Conv1D(64,3,strides=1,activation='relu')(x) 73x=MaxPool1D(pool_size=2,strides=2)(x) 74x=Conv1D(64,3,strides=1,activation='relu')(x) 75x=MaxPool1D(pool_size=2,strides=2)(x) 76 77 78x=Dropout(0.7)(x) 79 80x=Flatten()(x) 81x=Dense(2000)(X) 82x=Activation('relu')(x) 83 84x=Dropout(0.5)(x) 85x=Dense(8, activation='softmax')(x) 86 87 88model=Model(inputs,x) 89 90adam = optimizers.Adam(lr=0.0001) 91# sgd = optimizers.SGD(lr=0.01) 92 93model.compile(optimizer=adam, loss='categorical_crossentropy', metrics=["accuracy"]) 94 95 96 97 98 99# history = model.fit(train_x, train_t, batch_size=batch_size, epochs=epochs, verbose=1) 100early_stopping_cb = EarlyStopping(monitor='val_loss', patience=10) 101#restore_best_weights=True 102#アーリーストッピングあり 103history = model.fit(train_data, label_data, batch_size=batch_size, epochs=epochs, verbose=1, validation_split=0.2, shuffle=True , callbacks=[early_stopping_cb]) 104#なし 105# history = model.fit(train_data, label_data, batch_size=batch_size, epochs=epochs, verbose=1, validation_split=0.2, shuffle=True ) 106model.summary() 107model.save('/Users/モデル') 108 109 110 111# plt.plot(history.history['loss'], label='loss') 112# plt.plot(history.history['val_loss'], label='val_loss') 113# plt.xlabel('epoch') 114# plt.ylabel('loss') 115# plt.legend() 116# plt.show() 117 118#loss 119plt.plot(history.history['loss']) 120plt.plot(history.history['val_loss']) 121plt.title('model loss') 122plt.ylabel('loss') 123plt.xlabel('epoch') 124plt.legend(['train', 'test'], loc='upper left') 125plt.show() 126 127#Accuracy 128plt.figure() 129plt.plot(history.history['accuracy']) 130plt.plot(history.history['val_accuracy']) 131plt.title('model accuracy') 132plt.ylabel('accuracy') 133plt.xlabel('epoch') 134plt.legend(['train', 'test'], loc='upper left') 135plt.show() 136

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。

以下のような質問にはグッドを送りましょう

  • 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

グッドが多くついた質問は、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。

下記のような質問は推奨されていません。

  • 間違っている
  • 質問になっていない投稿
  • スパムや攻撃的な表現を用いた投稿

適切な質問に修正を依頼しましょう。

jbpb0

2022/10/11 13:01

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

2022/10/11 23:09

inputs = Input(train_data) ↓ 修正 inputs = Input(shape=train_data.shape[1:]) で、どうでしょうか?
Riri09020500

2022/10/12 02:49

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。

回答1

0

ベストアンサー

python

1inputs = Input(train_data)

↓ 修正

python

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

投稿2022/10/13 05:21

jbpb0

総合スコア7521

良いと思った回答にはグッドを送りましょう。
グッドが多くついた回答ほどページの上位に表示されるので、他の人が素晴らしい回答を見つけやすくなります。

下記のような回答は推奨されていません。

  • 間違っている回答
  • 質問の回答になっていない投稿
  • スパムや攻撃的な表現を用いた投稿

このような回答には修正を依頼しましょう。

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
86.02%

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

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。