Не удалось передать массив

Question

Я читаю данные моего изображения, чтобы построить классификатор.До того, как он работал идеально, я передавал ему половину своих данных (50-60%), но если я передаю все свои данные (100%), это дает мне запутанную ошибку.Все мои изображения цветные (?,?, 3) Я уже проверил это.Но все равно это дает мне ошибку формы.Пожалуйста помоги.

Код

from sklearn.preprocessing import OneHotEncoder
import tensorflow as tf
import numpy as np
import scipy.io as cio
import os
import matplotlib.pyplot as plt
import matplotlib.image as mpg
from random import shuffle
import tflearn
from tflearn.layers.conv import conv_3d, max_pool_3d
from tflearn.layers.core import input_data, dropout, fully_connected
from tflearn.layers.estimator import regression
import cv2

a = cio.loadmat("D:/compCarsThesisData/data/misc/make_model_name.mat")

images = "D:\compCarsThesisData\data\image"
# images = "D:/practiceData/data/image/"
IMG_SIZE = 64
MODEL_NAME = 'Classification'
LR = 1e-3

b = a['make_names']
# c = b.reshape(163,)
d = []
count = 0
for i in range(b.size):
  d.append(b[i][0][0])
  #print(d)

labels_dic = {v: k for v, k in enumerate(d)}
print(labels_dic)

image1 = []
label1 = []

for root, _, files in os.walk(images):
  cdp = os.path.abspath(root)

  for f in files:

    name,ext = os.path.splitext(f)
    boolean = True

    if ext == ".jpg":
      cip = os.path.join(cdp,f)      
      ci = mpg.imread(cip)
      image = cv2.cv2.resize(ci,(IMG_SIZE,IMG_SIZE))
      np.array(image1.append(image))

      arr = np.zeros(163)
      print(cip.split('\\')[4])
      arr[int(cip.split('\\')[4])-1] = 1

      # exit()
      label1.append(arr)
      count = count+1
      print(count)

print("done :)")


training_data = []

training_data.append([np.array(image1),np.array(label1)])
#print("TrainingData",training_data)
shuffle(training_data)
# np.save('training_data_with_One_Hot', training_data)

testing_data = []
testing_data.append([np.array(image1),np.array(label1)])
#print("TestingDATA",testing_data)
# np.save('testing_data_with_One_Hot',testing_data)
shuffle(testing_data)

# training_data = np.load('training_data_with_One_Hot.npy')
# testing_data = np.load('testing_data_with_One_Hot.npy')

# print("Training Data Shape",training_data)
print(testing_data[0][1].shape)
train = training_data[-2000:]
test = testing_data[-2000:]

print("TRAINS",train[0][0].shape)
print("TEST SHAPE",test[0][0][:1].shape)
X_train = train[0][0] #np.array(train[0]).reshape(None, IMG_SIZE, IMG_SIZE, 3)

print("XTRAINING DATA",X_train.shape)
y_train = train[0][1]#np.array([i[0][1] for i in train])
print("Ytrain",y_train.shape)
X_test = test[0][0]
print("XTEST", X_test.shape) #np.array([i[0] for i in test]).reshape(None, IMG_SIZE, IMG_SIZE, 3)
y_test = test[0][1] #np.array([i[1] for i in test])
print("YTEST",y_test.shape)

# sess = tf.Session()cls


tf.reset_default_graph()
convnet = input_data(shape=(None,IMG_SIZE,IMG_SIZE,3),name='input')
#shape=[None, IMG_SIZE, IMG_SIZE, 1],
convnet = conv_3d(convnet, 32, 5, activation='relu')
convnet = max_pool_3d(convnet, 5)
convnet = conv_3d(convnet, 64, 5, activation='relu')
convnet = max_pool_3d(convnet, 5)
convnet = conv_3d(convnet, 128, 5, activation='relu')
convnet = max_pool_3d(convnet, 5)
convnet = conv_3d(convnet, 64, 5, activation='relu')
convnet = max_pool_3d(convnet, 5)
convnet = conv_3d(convnet, 32, 5, activation='relu')
convnet = max_pool_3d(convnet, 5)
convnet = fully_connected(convnet, 1024, activation='relu')
convnet = dropout(convnet, 0.8)
convnet = fully_connected(convnet, 163, activation='softmax')
convnet = regression(convnet, optimizer='adam', learning_rate=LR, loss='categorical_crossentropy', name='targets')
model = tflearn.DNN(convnet, tensorboard_dir='log', tensorboard_verbose=0)
model.fit({'input': X_train}, {'targets': y_train}, n_epoch=10,
          validation_set=({'input': X_test}, {'targets': y_test}),
          snapshot_step=500, show_metric=True, run_id=MODEL_NAME)

ОШИБКА

Traceback (most recent call last):
  File "d:/ThesisWork/seriouswork/classifier_with_onehot.py", line 83, in <module>
    training_data.append([np.array(image1),np.array(label1)])
ValueError: could not broadcast input array from shape (64,64,3) into shape (64,64)

Ошибка в строке 83, которая является training_data.append иЯ не знаю, что на самом деле я делаю здесь неправильно.Почему это работает, когда я даю ему некоторые данные, но когда я добавляю больше данных, это дает ошибку.Кроме того, я генерирую свои собственные метки из имен файлов, например, с горячим кодированием, чтобы потом классифицировать мои данные, поэтому arr - это np.zeros (163), потому что у меня есть данные в 163 разных папках.Например, D: / compCarsThesisData / data / image / 1 / ..., D: / compCarsThesisData / data / image / 2 / ... D: / compCarsThesisData / data / image / 3 / ... и так далее доD: / compCarsThesisData / данные / изображение / 163 /...