'function' has no attribute 'eval' への対処法

Question

クラスを用いたNNのモデル作りに慣れおらず、
すっきりしたコーディングを身に付けるため、本を読みながら勉強しています。
ですが、詳解ディープラーニングP.171からのDNNのモデルをクラス化するところで躓いてしまいました。
少しコードは変えているのですが、本ではドロップアウトを用いているのをやめただけで、基本忠実に書きました。
大分省略しますが、最後のmodel.evaluate()のところで、
'function' object has no attribute 'eval'
というエラーが出てしまいます。
クラス内のevaluate関数の中で違う関数(accuracy)を呼び出し.evalで値を出すことにエラーが出ているようなのですが、どのようにすれば実現できますでしょうか？？

class MLP:
    def __init__(self, input_n, output_n, hidden_n, func_n):
        #...
    def weight_variable(self, shape):
        #...
    def bias_variable(self, shape):
        #...
    def inference(self, x):
        #...
    def loss(self, y, t):
        #...
    def accuracy(self, y, t):
        correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(t, 1))
        accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
        return accuracy
    def fit():
        #...モデル学習
    def evaluate(self, X_test, Y_test):
        return self.accuracy.eval(session=self._sess, feed_dict={
            self._x : X_test,
            self._t : Y_test
        })

model = MLP(input_n=784, output_n=10, hidden_n=[500, 300, 100], func_n=[0, 0, 0])
model.fit(X_train, Y_train, epochs=50, batch_size=200)
accuracy = model.evaluate(X_test, Y_test)
print('accuracy:', accuracy)

クラス内のコードの全文です。

# activation = [0, 1, 0 ,1]
# 0 : ReLU, 1 : sigmoid
class MLP(object):
    def __init__(self, input_n, output_n, hidden_n, func_n):
        self.input_n = input_n
        self.output_n = output_n
        self.hidden_n = hidden_n
        self.weights = []
        self.biases = []
        self.func_n = func_n
        self._x = None
        self._t = None
        self._sess = None
        self._history = {
            'accuracy' : [],
            'loss' : []
        }
    
    
    def weight_variable(self, shape):
        initial = tf.Variable(tf.random_normal(shape, stddev=0.01))
        return initial
        
    def bias_variable(self, shape):
        initial = tf.Variable(tf.zeros(shape))
        return initial
        
    def function(self, x, func):
        if func == 0:
            return tf.nn.relu(x)
        if func == 1:
            return tf.nn.sigmoi(x)
        
    def inference(self, x):
        # input-layer - hidden-layer, hidden-layer - hidden-layer
        for i, hidden in enumerate(self.hidden_n):
            if i == 0:
                inp = x
                input_dim = self.input_n
            else:
                inp = output
                input_dim = self.hidden_n[i-1]
            
            self.weights.append(self.weight_variable([input_dim, hidden]))
            self.biases.append(self.bias_variable([hidden]))
            
            h = tf.matmul(inp, self.weights[-1]) + self.biases[-1]
            output = self.function(h, self.func_n[i])
        
        self.weights.append(self.weight_variable([self.hidden_n[-1], self.output_n]))
        self.biases.append(self.bias_variable([self.output_n]))
        
        y = tf.nn.softmax(tf.matmul(output, self.weights[-1]) + self.biases[-1])
        
        return y
        
        
    def loss(self, y, t):
        loss = tf.reduce_mean(-tf.reduce_sum(
            t * tf.log(tf.clip_by_value(y, 1e-10, 1.0)), reduction_indices=[1]))
        return loss
        
    def training(self, loss):
        optimizer = tf.train.GradientDescentOptimizer(0.01)
        train_step = optimizer.minimize(loss)
        return(loss)
        
    def accuracy(self, y, t):
        correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(t, 1))
        accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
        return accuracy
        
    def fit(self, X_train, Y_train, epochs=100, batch_size=100):
        x = tf.placeholder(tf.float32, [None, self.input_n])
        t = tf.placeholder(tf.float32, [None, self.output_n])
        
        # save for evaluate()
        self._x = x
        self._t = t
        
        y = self.inference(x)
        loss = self.loss(y, t)
        train_step = self.training(loss)
        accuracy = self.accuracy(y, t)
        
        init = tf.global_variables_initializer()
        sess = tf.Session()
        sess.run(init)
        
        # save for evaluate()
        self._sess = sess
        
        N_train = len(X_train)
        n_batches = N_train // batch_size
        
        for epoch in range(epochs):
            X_, Y_ = shuffle(X_train, Y_train)
            
            for i in range(n_batches):
                start = i * batch_size
                end = start + batch_size
                
                sess.run(train_step, feed_dict={
                    x : X_train[start:end],
                    t : Y_train[start:end]
                })
            loss_ = loss.eval(session=sess, feed_dict={
                x : X_train,
                t : Y_train
            })
            accuracy_ = accuracy.eval(session=sess, feed_dict={
                x : X_train,
                t : Y_train
            })
            
            # save to _history
            self._history['loss'].append(loss_)
            self._history['accuracy'].append(accuracy_)
        
        return self._history
        
        
    def evaluate(self, X_test, Y_test):
        return self.accuracy.eval(session=self._sess, feed_dict={
            self._x : X_test,
            self._t : Y_test
        })

Answer 1

tf.Tensor.eval() でノードの計算を行おうとしているということですよね？

'function' object has no attribute 'eval'

MLP.accuracy という function オブジェクトは eval を持っていないのでエラーになります。

self.accuracy() が返すテンソルの eval() を呼ぶのなら、self.accuracy().eval() とするべきではないでしょうか。

追記

accuracy = self.accuracy(y, t) の部分で精度を計算するノードを作成しています。ただ、これはローカル変数なので、def evaluate() 内で self.accuracy としてもこの変数は参照されません。
そのかわりに accuracy(self, y, t) というメソッドのほうが参照されてしまい、今回の質問のエラーに繋がっています。
なので、evaluate() 内で作成した精度を計算するノード accuracy を参照するために、self.acc = self.accuracy(y, t) のように Attribute として記録しておき、evaluate(self, X_test, Y_test) 内で self.acc.eval(引数) とすれば、目的のことができるでしょう。

self.accuracy = self.accuracy(y, t) のようにしないよう注意してください。
Attribute とメソッドで同じ名前を使用した場合、メソッドのほうが隠蔽されてしまい、self.accuracy() と呼び出すことができなくなってしまいます。
今回のケースに限らず、メソッド名と Attribute 名が重複しないよう注意してください。

Comments

[knght]

回答ありがとうございます。
accuracy()の引数はどのようにすればよいですか…？

[tiitoi]

y がモデルの推論した結果 (N, NumClasses) のテンソル (おそらく、inference() の返り値) で、t が one-hot 表現の正解ラベル (N, NumClasses) のテンソルです。
本は持ってないのでどのような内容なのかはわかりませんが、本の通りにすすめていてうまくいかないのでしょうか？

[knght]

その通りなのですが、普通.eval()を使う際は、その関数を計算するためにfeed_dictで値を入れますよね？(知識が浅く間違ってたら申し訳ないのですが…)
クラスの中で違うメソッドを呼び出すときにself.accuracy(引数).evalのように何か引数を入れるとなると、その関数も違うところからの値(inferenceの返り値など)を持ってきているので、入れようがないのかと思いまして…
一度本のままにコードを書いてみようと思います。ですが本にはself.accuracy.eval()とありました。
何度もご親切にありがとうございます。

[tiitoi]

追記しました。
本のほうは、self.accuracy.eval() としていたとのことですが、だとしたら、self.accuracy は tf.Tensor オブジェクトのはずです。
def accuracy(self, y, t) は質問者さんが作られた関数でしょうか？
attribute とメソッドで同じ名前を使おうとして今回の混乱が生じている気がします。

[knght]

追記のようにコードを修正したところ無事解決しました…！
理由もわかり納得スッキリです。
何度もご丁寧にありがとうございました :)