erro no treinamento da AI | Deep Learning parte 1: Keras | Alura

Eu finalizei o curso, e adaptei o código final com a minha necessidade. Eu estou utilizando imagens .png, o dataset sou que crio e não utilizo um que já ta no "jeito". Quando eu executo o script pra treinar a AI (model.fit()) está estourando um erro:

'validation_split' is only supported for Tensors or NumPy arrays, found following types in the input: [<class 'str'>]

**eu simplifiquei o número de [<class 'str'>] que aparecem.

Segue o código:

import os
from typing import Mapping
import tensorflow as tf
from pathlib import Path
from tensorflow import keras
from tensorflow.keras.preprocessing.image import img_to_array, load_img


def dataset(data_dir, training_percentage=0.75):

    train_image_list = []
    labels_train = []
    test_image_list = []
    labels_test = []

    images = sorted(list(map(str, list(data_dir.glob("*.png")))))

    qtd_train_images = int(len(images) * training_percentage)

    for i, image in enumerate(images):

        image_PIL = load_img(image)

        image_array = img_to_array(image_PIL)
        image_array = image_array / float(255)
        label_image = image.split(os.path.sep)[-1].split(".png")[0]

        if i <= qtd_train_images:
            train_image_list.append(image_array)
            labels_train.append(label_image)
        else:
            test_image_list.append(image_array)
            labels_test.append(label_image)

    labels = labels_test + labels_train

    characters = set(char for label in labels for char in label)

    return train_image_list, labels_train, test_image_list, labels_test, characters


def create_model():
    data_dir = Path("C:/repos/poc/images/")

    train_images, labels_train, test_images, labels_test, characters = dataset(data_dir, training_percentage=0.75)

    modelo = keras.Sequential([
        keras.layers.Flatten(input_shape=(200, 50)),
        keras.layers.Dense(256, activation=tf.nn.relu),
        keras.layers.Dropout(0.2),
        keras.layers.Dense(10, activation=tf.nn.softmax)
    ])

    modelo.compile(optimizer='adam',
                   loss='sparse_categorical_crossentropy',
                   metrics=['accuracy'])

    try:
        modelo.fit(train_images, labels_train, epochs=5, validation_split=0.2)
        modelo.save('modelo.h5')
    except Exception as e:
        print(">>>>>>>>>>>>>>>>")
        print(f"Erro: {e.args[0]}")

    return train_images


if '__name__' == '__main__':
    model = create_model()

Dei uma googada mas não entendi muito bem... alguém consegue me dar uma luz?

Olá Francisco, como eu não tenho o mesmo conjunto de imagens que você, não consigo depurar o código inteiro, mas eu acho que consegui chegar até o mesmo erro que ti. O problema é que o labels_train que é usado como parâmetro no model.fit está como o título da imagem, ou seja uma array de strings. Mudando para uma array na mão, e.g.

        modelo.fit(train_images, np.ones(n), epochs=5, validation_split=0.2)

o código está me dando um erro já dentro da 1 Epoch, pois a minha imagem não condiz com o shape que você passou.

Resumindo, para solucionar acredito que dentro da função dataset que você definiu (1), seja necessário salvar os labels como ints dentro de um numpy array, ao inves do título da imagem. Lembrando que na aula os nomes das classificações foram usados apenas como legenda no plot.

Se conseguir fazer funcionar, manda um salve rs

(1) Aqui:

label_image = image.split(os.path.sep)[-1].split(".png")[0]