예기치 않은 케라 오류

Question

나는 케라 신경망을 사용하여 그려진 자릿수의 캔버스 이미지를 인식하고 숫자를 출력하려고합니다. 신경 네트워크를 저장하고 장고를 사용하여 웹 인터페이스를 실행했습니다. 그러나 그것을 실행할 때마다 내부 서버 오류 및 서버 측 코드 오류가 발생합니다. 오류 : 예외 : dense_input_1에 모양 (없음, 784)이 있어야하지만 모양이 배열 (784, 1) 인 경우 확인 오류 :. 내 유일한 기본보기 내가 체크 아웃 한

from django.shortcuts import render 
from django.http import HttpResponse 
import StringIO 
from PIL import Image 
import numpy as np 
import re 
from keras.models import model_from_json 
def home(request): 
    if request.method=="POST": 
     vari=request.POST.get("imgBase64","") 
     imgstr=re.search(r'base64,(.*)', vari).group(1) 
     tempimg = StringIO.StringIO(imgstr.decode('base64')) 
     im=Image.open(tempimg).convert("L") 
     im.thumbnail((28,28), Image.ANTIALIAS) 
     img_np= np.asarray(im) 
     img_np=img_np.flatten() 
     img_np.astype("float32") 
     img_np=img_np/255 
     json_file = open('model.json', 'r') 
     loaded_model_json = json_file.read() 
     json_file.close() 
     loaded_model = model_from_json(loaded_model_json) 
     # load weights into new model 
     loaded_model.load_weights("model.h5") 
     # evaluate loaded model on test data 
     loaded_model.compile(loss='binary_crossentropy', optimizer='rmsprop', metrics=['accuracy']) 
     output=loaded_model.predict(img_np) 
     score=output.tolist() 
     return HttpResponse(score) 
    else: 
     return render(request, "digit/index.html") 

링크입니다은 다음과 같습니다 로한의 준수

• Here
• Here
• and Here

편집 제안, 이것은 내 스택 추적입니다

Internal Server Error: /home/ 
Traceback (most recent call last): 
    File "/usr/local/lib/python2.7/dist-packages/django/core/handlers/base.py", line 149, in get_response 
    response = self.process_exception_by_middleware(e, request) 
    File "/usr/local/lib/python2.7/dist-packages/django/core/handlers/base.py", line 147, in get_response 
    response = wrapped_callback(request, *callback_args, **callback_kwargs) 
    File "/home/vivek/keras/neural/digit/views.py", line 27, in home 
output=loaded_model.predict(img_np) 
    File "/usr/local/lib/python2.7/dist-packages/keras/models.py", line 671, in predict 
return self.model.predict(x, batch_size=batch_size, verbose=verbose) 
    File "/usr/local/lib/python2.7/dist-packages/keras/engine/training.py", line 1161, in predict 
check_batch_dim=False) 
    File "/usr/local/lib/python2.7/dist-packages/keras/engine/training.py", line 108, in standardize_input_data 
str(array.shape)) 
Exception: Error when checking : expected dense_input_1 to have shape (None, 784) but got array with shape (784, 1) 

또한 네트워크를 초기에 훈련하는 데 사용한 모델이 있습니다.

import numpy 
from keras.datasets import mnist 
from keras.models import Sequential 
from keras.layers import Dense 
from keras.layers import Dropout 
from keras.utils import np_utils 
# fix random seed for reproducibility 
seed = 7 
numpy.random.seed(seed) 
(X_train, y_train), (X_test, y_test) = mnist.load_data() 
for item in y_train.shape: 
    print item 
num_pixels = X_train.shape[1] * X_train.shape[2] 
X_train = X_train.reshape(X_train.shape[0], num_pixels).astype('float32') 
X_test = X_test.reshape(X_test.shape[0], num_pixels).astype('float32') 
# normalize inputs from 0-255 to 0-1 
X_train = X_train/255 
X_test = X_test/255 
print X_train.shape 
# one hot encode outputs 
y_train = np_utils.to_categorical(y_train) 
y_test = np_utils.to_categorical(y_test) 
num_classes = y_test.shape[1] 
# define baseline model 
def baseline_model(): 
    # create model 
    model = Sequential() 
    model.add(Dense(num_pixels, input_dim=num_pixels, init='normal', activation='relu')) 
    model.add(Dense(num_classes, init='normal', activation='softmax')) 
    # Compile model 
    model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy']) 
    return model 
# build the model 
model = baseline_model() 
# Fit the model 
model.fit(X_train, y_train, validation_data=(X_test, y_test), nb_epoch=20, batch_size=200, verbose=1) 
# Final evaluation of the model 
scores = model.evaluate(X_test, y_test, verbose=0) 
print("Baseline Error: %.2f%%" % (100-scores[1]*100)) 
# serialize model to JSON 
model_json = model.to_json() 
with open("model.json", "w") as json_file: 
    json_file.write(model_json) 
# serialize weights to HDF5 
model.save_weights("model.h5") 
print("Saved model to disk") 

편집 내가 (1784)에 IMG을 재편 시도하고 또한 도움을

감사이 질문의 제목과 같은 오류를주고, 실패, 그리고 방법에 대한 덧글을 남길 질문에 추가해야합니다.

Answer 1

784 개의 입력이있는 하나의 사례 대신 각각 하나의 입력으로 784 개의 사례를 평가하도록 신경망에 요청합니다. 나는 동일한 문제가 있었고 입력 요소의 배열 인 단일 요소로 배열을 갖는 문제를 해결했습니다. 아래 예제를 참조하십시오. 첫 번째 것은 작동하지만 두 번째 오류는 발생하는 것과 동일한 오류를 제공합니다. 이뿐만 아니라 당신을 위해 그것을 해결

model.predict(np.array([[0.5, 0.0, 0.1, 0.0, 0.0, 0.4, 0.0, 0.0, 0.1, 0.0, 0.0]])) 
model.predict(np.array([0.5, 0.0, 0.1, 0.0, 0.0, 0.4, 0.0, 0.0, 0.1, 0.0, 0.0])) 

희망 :)이 장고의 외부에서 작동하는 경우