Использование предсказаний Keras ImageDataGenerator для индексации приводит к возникновению ошибки типа unhashable

Question

Использование предсказаний Keras ImageDataGenerator для индексации приводит к возникновению ошибки типа unhashable

1

Я создал классификатор для ImageDataGenerator, созданный с помощью flow_from_directory например:

training_imGenProp = ImageDataGenerator(
    rescale=1. / 255,
    width_shift_range=0.02,
    height_shift_range=0.02,
)

training_imGen = training_imGenProp.flow_from_directory(
    'Location/to/train/images',
    target_size=(74, 448),
    batch_size=batchSize,
    class_mode='binary',
)

При запуске я получаю TypeError: unhashable type: 'numpy.ndarray' в последней строке следующего фрагмента кода:

predictions = classifier.predict_generator(testing_imGen)
predictions = (predictions >= 0.5).astype(int)
label_map = (training_imGen.class_indices)
inverted_label_map = dict((v, k) for k, v in label_map.items())  #flip k,v
predictions = [label_map[k] for k in predictions]

Что может быть причиной этого?

Кроме того, как мне приступить к созданию матрицы путаницы из результатов этого классификатора?

Это:

tn, fp, fn, tp = confusion_matrix(label_map, predictions).ravel()

вызывает ошибку ValueError: Found input variables with inconsistent numbers of samples: [2,(663, 1)].

Samitha Nanayakkara 04 авг. 2018, в 07:37

Источник

0

Проблема, конечно, здесь label_map = dict((v,k) for k,v in label_map.items()) #flip k,v , тип k является numpy.ndarray ? Если это так, то просто говорится, что вы не можете использовать это в качестве ключа для словаря, потому что это не хэш-тип (для этого типа нет хеш-функции).
Luca Cappelletti 04 авг. 2018, в 05:28
0

Также, пожалуйста, включите несколько фиктивных генераторов для набора данных и классификатора для воспроизведения ошибки, так как на данный момент я не могу запустить код.
Luca Cappelletti 04 авг. 2018, в 05:29
0

@ LucaCappelletti Я добавил код. Я не знаю, является ли k numpy.ndarray .
Samitha Nanayakkara 04 авг. 2018, в 05:36
0

ImageDataGenerator импортируется ImageDataGenerator ? Кроме того, просто type(k) чтобы узнать тип.
Luca Cappelletti 04 авг. 2018, в 05:38
0

@LucaCappelletti from keras.preprocessing.image import ImageDataGenerator . Требуется несколько часов, чтобы переобучить модель и проверить тип. Не было бы никакого удобного метода?
Samitha Nanayakkara 04 авг. 2018, в 05:41
0

Я совершенно уверен, что эта ошибка будет проявляться даже с одним нейроном и без обучения, если это будет только печатание. Поскольку у меня нет доступа к изображениям, не могли бы вы создать фиктивную матрицу для проверки кода? В противном случае вы могли бы просто запустить код, комментирующий тренировочный бит?
Luca Cappelletti 04 авг. 2018, в 05:42
0

@ LucaCappelletti Я сохранил модель. Но так как этот метод требует train_generator для class_indices, мне пришлось переучивать модель. Я не знаю другого способа получить показатели класса обучения из сохраненной модели. Это просто бинарная классификация (Cats vs Dogs)
Samitha Nanayakkara 04 авг. 2018, в 05:45
0

Разве атрибут не должен быть там, конечно, неподготовленным, но все еще там?
Luca Cappelletti 04 авг. 2018, в 05:47
0

Давайте продолжим эту дискуссию в чате .
Samitha Nanayakkara 04 авг. 2018, в 05:47
0

Ты не облегчаешь нашу работу, приятель. Пожалуйста, предоставьте минимальный рабочий код, который воспроизводит вашу ошибку. Нам это нужно, если вы хотите, чтобы мы эффективно помогали вам.
Fred 04 авг. 2018, в 05:48
0

@ Фред Я знаю, что лучше предоставить набор данных для воспроизведения ошибки. Но мой набор данных огромен для загрузки здесь. Я добавил ссылку, чтобы скачать его.
Samitha Nanayakkara 04 авг. 2018, в 05:52
0

Хорошо, но нам не нужен набор данных для воспроизведения вашей ошибки, нам просто нужен фиктивный генератор пустышек, такой как my_dataset = np.random.uniform(size=(size of my dataset)) . Не требуется, чтобы он действительно что-то делал или содержал какую-либо информацию, только то, что он работает.
Luca Cappelletti 04 авг. 2018, в 05:54

Показать ещё 10 комментариев

Теги:

python

keras

indexing

1 ответ

Ещё вопросы

Проблема, конечно, здесь label_map = dict((v,k) for k,v in label_map.items()) #flip k,v , тип k является numpy.ndarray ? Если это так, то просто говорится, что вы не можете использовать это в качестве ключа для словаря, потому что это не хэш-тип (для этого типа нет хеш-функции).
Также, пожалуйста, включите несколько фиктивных генераторов для набора данных и классификатора для воспроизведения ошибки, так как на данный момент я не могу запустить код.
@ LucaCappelletti Я добавил код. Я не знаю, является ли k numpy.ndarray .
ImageDataGenerator импортируется ImageDataGenerator ? Кроме того, просто type(k) чтобы узнать тип.
@LucaCappelletti from keras.preprocessing.image import ImageDataGenerator . Требуется несколько часов, чтобы переобучить модель и проверить тип. Не было бы никакого удобного метода?
Я совершенно уверен, что эта ошибка будет проявляться даже с одним нейроном и без обучения, если это будет только печатание. Поскольку у меня нет доступа к изображениям, не могли бы вы создать фиктивную матрицу для проверки кода? В противном случае вы могли бы просто запустить код, комментирующий тренировочный бит?
@ LucaCappelletti Я сохранил модель. Но так как этот метод требует train_generator для class_indices, мне пришлось переучивать модель. Я не знаю другого способа получить показатели класса обучения из сохраненной модели. Это просто бинарная классификация (Cats vs Dogs)
Разве атрибут не должен быть там, конечно, неподготовленным, но все еще там?
Давайте продолжим эту дискуссию в чате .
Ты не облегчаешь нашу работу, приятель. Пожалуйста, предоставьте минимальный рабочий код, который воспроизводит вашу ошибку. Нам это нужно, если вы хотите, чтобы мы эффективно помогали вам.
@ Фред Я знаю, что лучше предоставить набор данных для воспроизведения ошибки. Но мой набор данных огромен для загрузки здесь. Я добавил ссылку, чтобы скачать его.
Хорошо, но нам не нужен набор данных для воспроизведения вашей ошибки, нам просто нужен фиктивный генератор пустышек, такой как my_dataset = np.random.uniform(size=(size of my dataset)) . Не требуется, чтобы он действительно что-то делал или содержал какую-либо информацию, только то, что он работает.

Luca Cappelletti · Accepted Answer · 2018-08-04T05-28-00.000Z

Таким образом, после длительных lucubrations проблема была в последнем понимании списка, так как predictions были массивом колонок столбцов, такими как [[1],[1],[0],..., [0]].

Поэтому просто нужно было получить доступ к целочисленным значениям внутри:

textual_predictions = [s_label_map[k] for k in predictions.T[0]]

Кроме того, появилась еще одна ошибка, создающая матрицу путаницы, в которой в качестве входных переменных были неверные переменные:

tn, fp, fn, tp = confusion_matrix(testing_imGen.classes, predictions.T[0]).ravel()