質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

89.08%

Name error 解決方法

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 1,903

kmll

score 19

windows10, python 3.7
Name error ""is not defined が発生します。
最後の"#モデルの学習"でエラーが発生します。
解決するための案をご教示ください。

#モデルの構築

from keras import layers, models

model = models.Sequential()
model.add(layers.Conv2D(32,(3,3),activation="relu",input_shape=(150,150,3)))
model.add(layers.MaxPooling2D((2,2)))
model.add(layers.Conv2D(64,(3,3),activation="relu"))
model.add(layers.MaxPooling2D((2,2)))
model.add(layers.Conv2D(128,(3,3),activation="relu"))
model.add(layers.MaxPooling2D((2,2)))
model.add(layers.Conv2D(128,(3,3),activation="relu"))
model.add(layers.MaxPooling2D((2,2)))
model.add(layers.Flatten())
model.add(layers.Dense(512,activation="relu"))
model.add(layers.Dense(10,activation="sigmoid")) #分類先の種類分設定

#モデル構成の確認
model.summary()

#モデルのコンパイル

from keras import optimizers

model.compile(loss="binary_crossentropy",
              optimizer=optimizers.RMSprop(lr=1e-4),
              metrics=["acc"])


↑結果
Using TensorFlow backend.


Layer (type)                 Output Shape              Param #

conv2d_1 (Conv2D)            (None, 148, 148, 32)      896


max_pooling2d_1 (MaxPooling2 (None, 74, 74, 32)        0


conv2d_2 (Conv2D)            (None, 72, 72, 64)        18496


max_pooling2d_2 (MaxPooling2 (None, 36, 36, 64)        0


conv2d_3 (Conv2D)            (None, 34, 34, 128)       73856


max_pooling2d_3 (MaxPooling2 (None, 17, 17, 128)       0


conv2d_4 (Conv2D)            (None, 15, 15, 128)       147584


max_pooling2d_4 (MaxPooling2 (None, 7, 7, 128)         0


flatten_1 (Flatten)          (None, 6272)              0


dense_1 (Dense)              (None, 512)               3211776


dense_2 (Dense)              (None, 10)                5130

Total params: 3,457,738
Trainable params: 3,457,738
Non-trainable params: 0


#データの準備

from keras.utils import np_utils
import numpy as np

categories = ["cat","dog"]
nb_classes = len(categories)

X_train, X_test, y_train, y_test = np.load("C:\\Users\\kmll\\python_code\\animal\\animal_data.npy")
print(X_train.shape, y_train.shape)

#データの正規化
X_train = X_train.astype("float") / 255
X_test  = X_test.astype("float")  / 255

#kerasで扱えるようにcategoriesをベクトルに変換
y_train = np_utils.to_categorical(y_train, nb_classes)
y_test  = np_utils.to_categorical(y_test, nb_classes)


↑結果
Using TensorFlow backend.
(0,) (0,)

#モデルの学習

model=model.fit(X_train,
                  y_train,
                  epochs=10,
                  batch_size=6,
                  validation_data=(X_test,y_test))

↑結果
Traceback (most recent call last):
File "C:\Users\kmll\python_code\photo_consist of prediction model_part4.py", line 3, in <module>
model=model.fit(X_train,
NameError: name 'model' is not defined

二つ目のコードの結果もおかしいかもしれません。
アドバイスお待ちしております。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

0

前のコードで定義した変数を勝手に引き継ぐ訳はないので、当然そうなります。

なにか誤解しているのかもしれませんが、それらのコードはすべて1つのファイルに書かれて実行されるべきものです。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 89.08%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る