ValueError: не удалось преобразовать массив NumPy в тензор (неподдерживаемый тип объекта numpy .ndarray) с тензорным потоком CNN - PullRequest
Новая
       69

ValueError: не удалось преобразовать массив NumPy в тензор (неподдерживаемый тип объекта numpy .ndarray) с тензорным потоком CNN

1 голос
/ 02 августа 2020

Я пытаюсь построить модель, которая может классифицировать, есть ли на картинке животное или нет, но у меня проблемы с данными. Я пытаюсь запустить свой код: 

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Conv2D
from tensorflow.keras.layers import Activation, MaxPooling2D, Dropout, Flatten, Reshape
from tensorflow.keras.optimizers import RMSprop
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

from matplotlib import pyplot
from matplotlib.image import imread
import tensorflow as tf
import os
import numpy as np

base = '/home/jose/Programming/aiml/Data/naturewatch'
# Directory of all the pictures with an animal 
critter = base + '/critter/'
# Directory of all the pictures without an animal
no_critter = base + '/no_critter/'

def load_data():
    data = []
    labels = []
    for raw in os.listdir(critter):
        # The array of values
        image = np.array(imread(critter + raw))
        data.append(image)
        # 1 for yes critter
        labels.append(1)
        # image.shape = (1088, 1920, 3)

    for raw in os.listdir(no_critter):
        # load image pixels
        image = np.array(imread(no_critter + raw))
        data.append(image)
        # 0 for no critter 
        labels.append(0)
        # image.shape = (1088, 1920, 3)
    data = np.array(data)
    labels = np.array(labels)
    return data, labels

data, labels = load_data()

# (2308,)
print(data.shape) 
print(labels.shape)

X_train, X_test, y_train, y_test = train_test_split(data, labels, test_size=0.2, random_state=101)

print(X_train.shape) # (1846,)
print(X_test.shape)
print(y_train.shape) # (462,)
print(y_test.shape)

# Plot 9 images
for i, image in enumerate(X_train[:9]):
    # define subplot
    pyplot.subplot(330 + 1 + i)
    pyplot.imshow(image)
    print('image', image.shape, 'label', y_train[i])
# show the figure
pyplot.show()

dropout = 0.2
model = Sequential()
# Reshape image to a much smaller size
model.add(Reshape((272, 480, 3)))

model.add(Conv2D(32, (3, 3), padding='same'))
model.add(Activation('relu'))

model.add(Conv2D(32, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(dropout))

model.add(Conv2D(64, (3, 3), padding='same'))
model.add(Activation('relu'))
model.add(Conv2D(64, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(dropout))

model.add(Flatten())
model.add(Dense(512))
model.add(Activation('relu'))
model.add(Dropout(dropout))
model.add(Dense(2))
model.add(Activation('softmax'))

# initiate RMSprop optimizer
opt = RMSprop(lr=0.0001, decay=1e-6)

# Let's train the model using RMSprop
model.compile(loss='categorical_crossentropy',
                optimizer=opt,
                metrics=['accuracy'])

model.fit(X_train, y_train) # Causes error

Но возникает ошибка: ValueError: Failed to convert a NumPy array to a Tensor (Unsupported object type numpy.ndarray). в строке model.fit(X_train, y_train). Есть идеи, почему это может происходить?

Я просмотрел этот пост Tensorflow - ValueError: не удалось преобразовать массив NumPy в Tensor (неподдерживаемый объект типа float) но решения не работают для меня, а именно преобразование поезда и тестирования, как это np.asarray(X).astype(np.float32) (что вызывает еще одну ошибку ValueError: setting an array element with a sequence.)

Поскольку ошибка жалуется на невозможность преобразовать np.array в тензор, я попытался использовать функцию tf.convert_to_tensor(), но это привело к другой ошибке: ValueError: Can't convert non-rectangular Python sequence to Tensor.

Кто-нибудь знает, что именно здесь происходит?

1 Ответ

1 голос
/ 04 августа 2020

Хорошо, я разобрался.

Во-первых, изображение размера (1088, 1920) было слишком большим. В целях тестирования я изменил его форму на (68, 120) с помощью cv2.resize () (я избавился от этого слоя Reshape ()). Это как-то устранило мои проблемы с размерами. Например, X_train больше не (1846,), а (1846, 68, 120, 3).

Поскольку я избавился от этого слоя Reshape (), я указал первый слой Conv2D с input_size равным ( 68, 120, 3), и теперь работает!

...