Python3 scikit-learnのMSE関数使用時のエラー解消方法について

Question

前提・実現したいこと

Kerasのサンプルコードを使ってオリジナルのデータセットでVAEを実装したのですが、ROC曲線とAUCを表示させる部分でつまづいています。
初めはscikit-learnのMSE関数でy_true（元画像）とy_pred（復元画像）の平均二乗誤差を出そうとしたのですが、どうやらこちらの関数は2次元までしか対応していないようで（画像は4次元）、うまくいかなかったため、tensoflowで実装したところ、やはりエラーが出てしまいました。

・Scikit-learnのMSE関数で4次元のy_trueとy_predの平均二乗誤差を算出する方法
・tensorflowのMSE関数で4次元のy_trueとy_predの平均二乗誤差を算出する方法

上記2点のいずれかをご教示いただけますと幸いです。
お手数をお掛けしますがどうぞよろしくお願いいたします。

発生している問題・エラーメッセージ

TypeError                                 Traceback (most recent call last)
/usr/local/lib/python3.6/dist-packages/numpy/core/fromnumeric.py in _wrapfunc(obj, method, *args, **kwds)
     55     try:
---> 56         return getattr(obj, method)(*args, **kwds)
     57 

7 frames
TypeError: Using a `tf.Tensor` as a Python `bool` is not allowed. Use `if t is not None:` instead of `if t:` to test if a tensor is defined, and use TensorFlow ops such as tf.cond to execute subgraphs conditioned on the value of a tensor.

During handling of the above exception, another exception occurred:

TypeError                                 Traceback (most recent call last)
/usr/local/lib/python3.6/dist-packages/tensorflow/python/framework/ops.py in __bool__(self)
    651       `TypeError`.
    652     """
--> 653     raise TypeError("Using a `tf.Tensor` as a Python `bool` is not allowed. "
    654                     "Use `if t is not None:` instead of `if t:` to test if a "
    655                     "tensor is defined, and use TensorFlow ops such as "

TypeError: Using a `tf.Tensor` as a Python `bool` is not allowed. Use `if t is not None:` instead of `if t:` to test if a tensor is defined, and use TensorFlow ops such as tf.cond to execute subgraphs conditioned on the value of a tensor.

該当のソースコード

#ROC曲線とAUCスコアの表示
#from sklearn.metrics import mean_squared_error
from sklearn.metrics import roc_curve
from sklearn.metrics import roc_auc_score
import tensorflow as tf


test_normal_pred = vae.predict(test_normal, verbose=1)
test_anomaly_pred = vae.predict(test_anomaly, verbose=1)

score = []
for i in range(len(test_normal)):
  squared_error_normal = tf.reduce_mean(tf.square(test_normal_pred[i,:,:,:] -test_normal[i,:,:,:]))# mean_squared_error(test_normal[i,:,:,:], test_normal_pred[i,:,:,:])
  score.append(squared_error_normal)
      
for i in range(len(test_anomaly)):
  squared_error_anomaly = tf.reduce_mean(tf.square(test_anomaly_pred[i,:,:,:] - test_anomaly[i,:,:,:]))# mean_squared_error(test_anomaly[i,:,:,:], test_anomaly_pred[i,:,:,:])
  score.append(squared_error_anomaly)
              
score = np.array(score)
#print(score.shape)
#print(score)
  
#ROC曲線の描画
y_true = np.zeros(len(test_normal)+len(test_anomaly))
y_true[len(test_normal):] = 1#0:正常、1：異常
#print(y_true.shape)
#print(score.shape)
#print(score)

# FPR, TPR(, しきい値) を算出
fpr, tpr, thresholds = roc_curve(y_true, score)

# AUC
auc = roc_auc_score(y_true, score)

# ROC曲線をプロット
plt.figure
plt.plot(fpr, tpr, label='VAE method (area = %.2f)'%auc, c="r")
plt.legend()
plt.title('ROC curve')
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.grid(True)
plt.savefig("./ROC curve.png")
plt.show()  

補足情報（FW/ツールのバージョンなど）

学習の部分のコードは省略させていただいております。
Google Colabを使っています。

Answer 1

こちらのサイトを参考に、次元を４次元から２次元に削減したところ、うまくいきましたので共有させていただきます。
https://stackoverflow.com/questions/33162871/python-scikit-learn-svm-classifier-valueerror-found-array-with-dim-3-expected

#ROC曲線とAUCスコアの表示
from sklearn.metrics import mean_squared_error
from sklearn.metrics import roc_curve
from sklearn.metrics import roc_auc_score
import tensorflow as tf


test_normal_pred = vae.predict(test_normal, verbose=1)
test_anomaly_pred = vae.predict(test_anomaly, verbose=1)

#4次元から２次元にreshape
test_normal_size = len(test_normal)
test_normal_pred_size = len(test_normal_pred)
test_anomaly_size = len(test_anomaly)
test_anomaly_pred_size = len(test_anomaly_pred)

twodim_test_normal = test_normal.reshape(test_normal_size,-2)
twodim_test_normal_pred = test_normal_pred.reshape(test_normal_pred_size,-2)
twodim_test_anomaly = test_anomaly.reshape(test_anomaly_size,-2)
twodim_test_anomaly_pred = test_anomaly_pred.reshape(test_anomaly_pred_size,-2)

score = []
for i in range(len(test_normal)):
  squared_error_normal = mean_squared_error(twodim_test_normal[i,:], twodim_test_normal_pred[i,:])#squared_error_normal = tf.reduce_mean(tf.square(test_normal_pred[i,:,:,:] -test_normal[i,:,:,:]))
  score.append(squared_error_normal)
      
for i in range(len(test_anomaly)):
  squared_error_anomaly = mean_squared_error(twodim_test_anomaly[i,:], twodim_test_anomaly_pred[i,:])# squared_error_anomaly = tf.reduce_mean(tf.square(test_anomaly_pred[i,:,:,:] - test_anomaly[i,:,:,:]))
  score.append(squared_error_anomaly)
              
score = np.array(score)
#print(score.shape)
#print(score)
  
#ROC曲線の描画
y_true = np.zeros(len(test_normal)+len(test_anomaly))
y_true[len(test_normal):] = 1#0:正常、1：異常
#print(y_true.shape)
#print(score.shape)
#print(score)

# FPR, TPR(, しきい値) を算出
fpr, tpr, thresholds = roc_curve(y_true, score)

# AUC
auc = roc_auc_score(y_true, score)

# ROC曲線をプロット
plt.figure
plt.plot(fpr, tpr, label='VAE method (area = %.2f)'%auc, c="r")
plt.legend()
plt.title('ROC curve')
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.grid(True)
plt.savefig("./ROC curve.png")
plt.show()