web-dev-qa-db-ja.com

Keras Convolution2D入力：モデル入力をチェックするときのエラー：convolution2d_input_1に形状があると予想されます

私は この素晴らしいチュートリアル Kerasを使用して画像分類子を作成する作業を行っています。モデルをトレーニングしたら、それをファイルに保存し、後で以下に示すテストスクリプトでモデルにリロードします。

これまでに見たことのない新しい画像を使用してモデルを評価すると、次の例外が発生します。

エラー：

Traceback (most recent call last):
  File "test_classifier.py", line 48, in <module>
    score = model.evaluate(x, y, batch_size=16)
  File "/Library/Python/2.7/site-packages/keras/models.py", line 655, in evaluate
    sample_weight=sample_weight)
  File "/Library/Python/2.7/site-packages/keras/engine/training.py", line 1131, in evaluate
    batch_size=batch_size)
  File "/Library/Python/2.7/site-packages/keras/engine/training.py", line 959, in _standardize_user_data
exception_prefix='model input')
  File "/Library/Python/2.7/site-packages/keras/engine/training.py", line 108, in standardize_input_data
str(array.shape))
Exception: Error when checking model input: expected convolution2d_input_1 to have shape (None, 3, 150, 150) but got array with shape (1, 3, 150, 198)`

トレーニングしたモデルに問題がありますか、それとも評価メソッドを呼び出す方法に問題がありますか？

コード：

    from keras.preprocessing.image import ImageDataGenerator
    from keras.models import Sequential
    from keras.layers import Convolution2D, MaxPooling2D
    from keras.layers import Activation, Dropout, Flatten, Dense
    from keras.preprocessing.image import ImageDataGenerator, array_to_img, img_to_array, load_img

    import numpy as np
    img_width, img_height = 150, 150
    train_data_dir = 'data/train'
    validation_data_dir = 'data/validation'
    nb_train_samples = 2000
    nb_validation_samples = 800
    nb_Epoch = 5
    model = Sequential()
    model.add(Convolution2D(32, 3, 3, input_shape=(3, img_width, img_height)))
    model.add(Activation('relu'))
    model.add(MaxPooling2D(pool_size=(2, 2)))
    model.add(Convolution2D(32, 3, 3))
    model.add(Activation('relu'))
    model.add(MaxPooling2D(pool_size=(2, 2)))
    model.add(Convolution2D(64, 3, 3))
    model.add(Activation('relu'))
    model.add(MaxPooling2D(pool_size=(2, 2)))
    model.add(Flatten())
    model.add(Dense(64))
    model.add(Activation('relu'))
    model.add(Dropout(0.5))
    model.add(Dense(1))
    model.add(Activation('sigmoid'))
    model.compile(loss='binary_crossentropy',
          optimizer='rmsprop',
          metrics=['accuracy'])
    model.load_weights('first_try.h5')
    img = load_img('data/test2/ferrari.jpeg')
    x = img_to_array(img)  # this is a Numpy array with shape (3, 150, 150)
    x = x.reshape( (1,) + x.shape )  # this is a Numpy array with shape (1, 3, 150, 150)
    y = np.array([0])
    score = model.evaluate(x, y, batch_size=16)`
pythonnumpymachine-learningtheanokeras
8
JessicaOwensby

問題は2つありました。

  1. テスト画像のサイズが間違っていました。 150 x 198で、150 x150である必要がありました。

  2. 密なレイヤーをmodel.add(Dense(10))からmodel.add(Dense(1))に変更する必要がありました。

モデルを取得して予測を行う方法はまだわかりませんが、少なくとも現在、モデルの評価が実行されています。

1
JessicaOwensby

この問題は、テスト画像のサイズが間違っていることが原因です。私のために、

train_datagen.flow_from_directory(
        'C:\\Users\\...\\train',  # this is the target directory
        target_size=(150, 150),  # all images will be resized to 150x150
        batch_size=32,
        class_mode='binary')

正しく動作していませんでした。そこで、matlabコマンドを使用してすべてのテスト画像のサイズを変更しましたが、正常に機能しました

5
user7343629

同じ問題があり、この関数を使用します。ターゲットフォルダー（.jpgおよび.png）内のすべての画像は、高さと幅にサイズ変更されます。そして255で割った。さらに1つの次元を追加した（必要な入力形状）。

from scipy import misc
import os

def readImagesAsNumpyArrays(targetPath, i_height, i_width):
    files = os.listdir(targetPath)
    npList = list()
    for file in files:
        if ".jpg" or ".png" in str(file):
            path = os.path.join(targetPath, file)
            img = misc.imread(path)
            img = misc.imresize(img, (i_height, i_width))
            img = img * (1. / 255)
            img = img[None, :, :,: ]
            npList.append(img)
    return npList
0
Vitalii