Установка элемента массива с ошибкой последовательности при обучении SVM для классификации изображений

Question

Я пытаюсь сделать классификацию изображений с использованием SVM в Python с 1022 изображениями и 1022 метками мультикласса (каждая метка имеет 14 классов).

mypath = 'path'
k = listdir(mypath)
images = np.empty((len(k)-1), dtype=object)
resized_imgs = np.empty((len(k)-1),dtype=object)
for n in range(0, len(k)-1):
    images[n] = cv2.imread(join(mypath,k[n]),0) #Reading images in grayscale
    resized_imgs[n] = cv2.resize(images[n],(32,32)) #Resizing images
for i in range(0,len(k)-1):
    a=resized_imgs[i].mean()
    b=resized_imgs[i].std()
    t=np.ndarray([32,32])
    t.fill(1)
    t=t*a
    resized_imgs[i]=(resized_imgs[i]-a)/b
X_train = resized_imgs

for i in range(len(k)-1):
    X_train[i] = X_train[i].flatten().tolist()

y_train = np.array(y_train)
for i in range(len(k)-1):
    y_train[i] = y_train[i].flatten().tolist()

clf=svm.SVC(gamma=0.001)
clf.fit(X_train,y_train)

Теперь для этого я получаю ошибку:

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-469-bfab446776df> in <module>()
----> 1 clf.fit(X_train,y_train[:,0])

C:\Users\user\Anaconda3\lib\site-packages\sklearn\svm\base.py in fit(self,  X, y, sample_weight)
    148         self._sparse = sparse and not callable(self.kernel)
    149 
--> 150         X = check_array(X, accept_sparse='csr', dtype=np.float64,       order='C')
    151         y = self._validate_targets(y)
    152 

C:\Users\user\Anaconda3\lib\site-packages\sklearn\utils\validation.py in   check_array(array, accept_sparse, dtype, order, copy, force_all_finite,   ensure_2d, allow_nd, ensure_min_samples, ensure_min_features, warn_on_dtype, estimator)
    371                                       force_all_finite)
    372     else:
--> 373         array = np.array(array, dtype=dtype, order=order, copy=copy)
    374 
    375         if ensure_2d:

ValueError: setting an array element with a sequence.

Я не понимаю, как это может быть из-за несоответствия размеров массива X_train, потому что каждый элемент X_train представляет собой список из 1024 нормализованных значений пикселей, а каждый элемент y_train соответствует списку из 14 атрибутов.

Любая помощь будет оценена. Спасибо!

Answer 1

Я понял, где я иду не так. Оказывается, dtype для X_train был типом объекта, поэтому мне пришлось изменить его на float.

Использовал следующий код для того же,

np.array(list(X_train), dtype=np.float)