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

90.40%

  • Python 3.x

    10698questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

Python3 invalid syntaxのエラーが消えない

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 219

SuzuAya

score 12

前提・実現したいこと

Pythonで自作のデータセットを使ってVAEのコードを書いています。
train画像を準備する部分で、以下のようなエラーメッセージが出てしまいました。
このエラーが出た時はいつもコードを一度消して再度入力するとエラーが解消されることがほとんどなのですが、今回は何度再入力しても、エラーが消えないため、質問をさせていただきました。
お手数をお掛けしますが、解決策についてご存じの方がいらっしゃいましたら、ご教示いただけますと幸いです。

発生している問題・エラーメッセージ

File "<ipython-input-14-7dac0b4001f0>", line 111
    X = []
    ^
SyntaxError: invalid syntax

該当のソースコード

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

from keras.layers import Lambda, Input, Dense
from keras.models import Model
from keras.models import Sequential, model_from_json
from keras.losses import mse, binary_crossentropy
from keras.layers import Conv2D, Flatten, Lambda
from keras.layers import Reshape, Conv2DTranspose
from keras.utils import plot_model, np_utils 
from keras.utils import plot_model
from keras.callbacks import Callback, EarlyStopping, TensorBoard, ModelCheckpoint
from keras import optimizers
from keras import backend as K
from keras.preprocessing.image import array_to_img, img_to_array,load_img
from keras.preprocessing.image import ImageDataGenerator


import numpy as np
import matplotlib.pyplot as plt
import argparse
import os
import re
import glob
import random as rn
import tensorflow as tf
import cv2
import easydict
from PIL import Image
#from google.colab.patches import cv2_imshow

import warnings
warnings.filterwarnings('ignore')

%matplotlib inline

def sampling(args):
    z_mean, z_log_var = args
    batch = K.shape(z_mean)[0]
    dim = K.int_shape(z_mean)[1]
    # by default, random_normal has mean=0 and std=1.0
    epsilon = K.random_normal(shape=(batch, dim))
    return z_mean + K.exp(0.5 * z_log_var) * epsilon

#def plot_results(models,
                 #data,
                 #batch_size=500,#128,
                 #model_name="vae_OCT"):
    """Plots labels and MNIST digits as function of 2-dim latent vector

    # Arguments
        models (tuple): encoder and decoder models
        data (tuple): test data and label
        batch_size (int): prediction batch size
    encoder, decoder = models
    x_test = data #, y_test削除
    os.makedirs(model_name, exist_ok=True)
        model_name (string): which model is using this function
    """

    filename = os.path.join('.', "vae_mean.png")
    # display a 2D plot of the digit classes in the latent space
    z_mean, _, _ = encoder.predict(x_test,
                                   batch_size=batch_size)
    #plt.figure(figsize=(12, 10))
    #plt.scatter(z_mean[:, 0], z_mean[:, 1])#c=y_test削除
    #plt.colorbar()
    #plt.xlabel("z[0]")
    #plt.ylabel("z[1]")
    #plt.savefig(filename)
    #plt.show()

    #filename = os.path.join(model_name, "digits_over_latent.png")
    # display a 30x30 2D manifold of digits
    #n = 30
    #digit_size = 496 うまく動かないので一旦プロット部分はすべてコメントアウト
    #digit_size_width = 512 #width追加
    #digit_size_height = 496 #height追加
    #figure = np.zeros((digit_size_width * n, digit_size_height * n))#width, height追加
    # linearly spaced coordinates corresponding to the 2D plot
    # of digit classes in the latent space
    #grid_x = np.linspace(-4, 4, n)
    #grid_y = np.linspace(-4, 4, n)[::-1]

    #for i, yi in enumerate(grid_y):
        #for j, xi in enumerate(grid_x):
            #z_sample = np.array([[xi, yi]])
            #x_decoded = decoder.predict(z_sample)
            #digit = x_decoded[0].reshape(digit_size_width, digit_size_height)#width, height追加
            #figure[i * digit_size_width: (i + 1) * digit_size_height,#width, height追加
                   #j * digit_size_width: (j + 1) * digit_size_height] = digit#width, height追加

    #plt.figure(figsize=(10, 10))
    #start_range = digit_size // 2
    #end_range = n * digit_size + start_range + 1
    #pixel_range = np.arange(start_range, end_range, digit_size)
    #sample_range_x = np.round(grid_x, 1)
    #sample_range_y = np.round(grid_y, 1)
    #plt.xticks(pixel_range, sample_range_x)
    #plt.yticks(pixel_range, sample_range_y)
    #plt.xlabel("z[0]")
    #plt.ylabel("z[1]")
    #plt.imshow(figure, cmap='Greys_r')
    #plt.savefig(filename)
    #plt.show()

#original dataset
#train
filenames = glob.glob("./train/NORMAL_train_dataset/*.jpeg")
X = []

for filename in filenames:
    img = img_to_array(load_img(
    filename, color_mode = "grayscale", target_size=(512,496))
    X.append(img)

x_train = np.asarray(X)

#test
filenames = glob.glob("./validation/*.jpeg")
x_test = []

for filename in filenames:
    img = img_to_array(load_img(
    filename, color_mode = "grayscale", target_size=(512,496))
    x_test.append(img)

x_test = np.asarray(x_test)

image_size = x_train.shape[1]
original_dim = 512 * 496 *1 #3削除
x_train = np.reshape(x_train, [-1, original_dim,1])# x_train = np.reshape(x_train, [-1, original_dim])
x_test = np.reshape(x_test, [-1, original_dim,1])# x_test = np.reshape(x_test, [-1, original_dim])
x_train = x_train.astype('float32') / 255
x_test = x_test.astype('float32') / 255

#train_generator = train_datagen.flow(x_train)#追記。generator作成
#test_generator = test_datagen.flow(x_test)#追記。generator作成

print(x_train.shape)
print(x_test.shape)


# network parameters
input_shape = (512, 496, 1)# (original_dim,)
kernel_size = 3
filters = 16
#intermediate_dim = 512
batch_size = 500#128
latent_dim = 2# Dimensionality of the latent space: a plane 潜在空間の次元数:平面 https://fisproject.jp/2018/09/vae-with-python-keras/#vae-with-keras
epochs = 5#1#50


# build encoder model 
inputs = Input(shape=input_shape, name='encoder_input')
x = inputs
for i in range(4):
    filters *= 2
    x = Conv2D(filters=filters,kernel_size=kernel_size,activation='relu',strides=2,padding='same')(x)

# shape info needed to build decoder model これは画像のshapeとって割る時とかに結構使う. ちなみにtensorflowでのみ動作します. https://www.mathgram.xyz/entry/keras/backend
shape = K.int_shape(x)

# use reparameterization trick to push the sampling out as input
# note that "output_shape" isn't necessary with the TensorFlow backend
z = Lambda(sampling, output_shape=(latent_dim,), name='z')([z_mean, z_log_var])

# instantiate encoder model
encoder = Model(inputs, [z_mean, z_log_var, z], name='encoder')
encoder.summary()
plot_model(encoder, to_file='vae_mlp_encoder.png', show_shapes=True)

# build decoder model 
latent_inputs = Input(shape=(latent_dim,), name='z_sampling')
x = Dense(shape[1] * shape[2] * shape[3], activation='relu')(latent_inputs)
x = Reshape((shape[1], shape[2], shape[3]))(x)

for i in range(4):
    x = Conv2DTranspose(filters=filters, kernel_size=kernel_size, activation='relu', strides=2, padding='same')(x)
    filters //= 2

outputs = Conv2DTranspose(filters=1, kernel_size=kernel_size, activation='sigmoid', padding='same', name='decoder_output')(x)

# instantiate decoder model
decoder = Model(latent_inputs, outputs, name='decoder')
decoder.summary()
plot_model(decoder, to_file='vae_mlp_decoder.png', show_shapes=True)

# instantiate VAE model
outputs = decoder(encoder(inputs)[2])
vae = Model(inputs, outputs, name='vae_mlp')



if __name__ == '__main__':
    args = easydict.EasyDict({
   "batchsize": 500,#40,
    "epoch": 1,#50,
    #"gpu": 0,
    "out": "result",
    "resume": False,
    #"unit": 1000
})
    #parser = argparse.ArgumentParser() parserがうまくうごかないため削除
    #help_ = "Load h5 model trained weights"
    #parser.add_argument("-w", "--weights", help=help_)
    #help_ = "Use mse loss instead of binary cross entropy (default)"
    #parser.add_argument("-m",
                        #"--mse",
                        #help=help_, action='store_true')
    #args = parser.parse_args()
    models = (encoder, decoder)
    data = (x_test)#, y_test削除

    # VAE loss = mse_loss or xent_loss + kl_loss
    #if args.mse:
        #reconstruction_loss = mse(inputs, outputs)
    #else:
    reconstruction_loss = binary_crossentropy(inputs,
                                                  outputs)

    reconstruction_loss *= original_dim
    kl_loss = 1 + z_log_var - K.square(z_mean) - K.exp(z_log_var)
    kl_loss = K.sum(kl_loss, axis=-1)
    kl_loss *= -0.5
    vae_loss = K.mean(reconstruction_loss + kl_loss)
    vae.add_loss(vae_loss)
    vae.compile(optimizer='adam')
    vae.summary()
    plot_model(vae,
    to_file='vae_mlp.png',
    show_shapes=True)



    callbacks = []
    callbacks.append(ModelCheckpoint(filepath="model.ep{epoch:02d}.h5"))# 各epochでのモデルの保存
    callbacks.append(EarlyStopping(monitor='val_loss', patience=0, verbose=1))
    callbacks.append(LearningRateScheduler(lambda ep: float(1e-3 / 3 ** (ep * 4 // MAX_EPOCH))))
    callbacks.append(CSVLogger("history.csv"))


    #if args.weights:
        #vae.load_weights(args.weights)
    #else:
        # train the autoencoder
    history = vae.fit(x_train,
                epochs=epochs,
                batch_size=batch_size,
                validation_data=(x_test, None),
                callbacks=callbacks)

    score = model.evaluate(x_test, verbose=0)#y_test削除
    print('Test loss:', score[0])
    print('Test accuracy:', score[1])

    plt.plot(history.history["acc"], label="acc", ls="-", marker="o")
    plt.plot(history.history["val_acc"], label="val_acc", ls="-", marker="x")
    plt.ylabel("accuracy")
    plt.xlabel("epoch")
    plt.legend(loc="best")
    plt.show()

補足情報(FW/ツールのバージョンなど)

ubuntuで、anacondaの仮想環境を使って実装しています。

  • 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
    • 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

+1

なにしろ当該箇所がコード上に存在しないので困ったものですが、カーネルリスタートしてRun Allで解消しませんか?

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。

  • 2019/05/12 22:19

    File "filename.py", line 115
    x_train.append(img)
    ^
    SyntaxError: invalid syntax
    になりました。この原因は上の
    img = img_to_array(load_img(
    filename, color_mode = "grayscale", target_size=(512,496))
    で閉じカッコが足りないことです。
    下の#test以下の同じ部分にも同じ問題があります。

    キャンセル

  • 2019/05/12 22:20

    構文エラーはこの2箇所だけのようですが、未定義の名前とかは他にもあると思います。まあjupyterなので過去に実行された変数が残っていて実行できる可能性はありますが、きっちりしておくことを勧めます。

    キャンセル

  • 2019/05/12 23:08

    ご確認ありがとうございます!!
    閉じかっこを足しても、同じエラーが出続けてしまいます。。。jupyterのエラーでしょうか。明日、仕切り直して新しいノートブックでやってみます。たくさんお時間を割いていただき、本当にありがとうございました。

    キャンセル

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 90.40%
  • 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

同じタグがついた質問を見る

  • Python 3.x

    10698questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。