○○ is not definedが解決できない

前提・実現したいこと

詳解ディープラーニングという本でただ今プログラミングを勉強しております。
tensorflowを利用したsin波の予測をするコードを組みたいと思っております。

発生している問題・エラーメッセージ

n_in=len(X[0][0]) # 1
n_hidden=20
n_out=len(Y[0]) # 1

x=tf.placeholder(tf.float32,shape=[None,maxlen,n_in])
t=tf.placeholder(tf.float32,shape=[None,n_out])
n_batch=tf.placeholder(tf.int32)

y=inference(x,n_batch,maxlen=maxlen,n_hidden=n_hidden,n_out=n_out)
loss=loss(y,t)
train_step=training(loss)

epochs=500
batch_size=10

init=tf.global_variables_initializer()
sess=tf.Session()
sess.run(init)

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_[start:end],
            t:Y_[start:end],
            n_batch:batch_size
        })
    #検証データを用いた評価
    val_loss=loss.eval(session=sess,feed_dict={
        x:X_validation,
        t:Y_validation,
        n_batch:N_validation
    })
    history['val_loss'].append(val_loss)
    print('epoch:',epoch,
         'validation loss:',val_loss)
    
    #Early Stoppingチェック
    if early_stopping.validate(val_loss):
        break
エラーメッセージ
```NameError: name 'X' is not defined

NameError: name 'tf' is not defined



### 該当のソースコード

```ここに言語名を入力
def inference(x,n_batch,maxlen=None,n_hidden=None,n_out=None):
    def weight_varidation(shape):
        initial=tf.avriable(initial)
        
    def bias_validation(shape):
        initial=tf.zeros(shape,dtype=tf.float32)
        return tf.variable(initial)
    
    cell=tf.contrib.rnn.BasicRNNCell(n_hidden)
    initial_state=cell.zero_state(n_batch,tf.floar32)
    
    state=initial_state
    outputs=[]#隠れ層の出力を保存
    with tf.variable_scope('RNN'):
        for t in range(maxlen):
            if t>0:
                tf.get_variable_scope().reuse_variables()
            (cell_output,state)=cell(x[:,t,:],state)
            outputs.append(cell_output)
            
    output=outputs[-1]
    
    v=weight_variable([n_hidden,n_out])
    c=bias_variable([n_out])
    y=tf.matmul(otput,V)+c #線形活性
    
    return y

def loss(y,t):
    mse=tf.reduce_mean(tf.square(y-t))
    return mse

def training(loss):
    optimizer=\
        tf.train.Adamoptimizer(learning_rate=0.001,beta1=0.9,beta2=0.999)
    
    train_step=optimizer.minimize(loss)
    return train_step

n_in=len(X[0][0]) 
n_hidden=20
n_out=len(Y[0]) 

x=tf.placeholder(tf.float32,shape=[None,maxlen,n_in])
t=tf.placeholder(tf.float32,shape=[None,n_out])
n_batch=tf.placeholder(tf.int32)

y=inference(x,n_batch,maxlen=maxlen,n_hidden=n_hidden,n_out=n_out)
loss=loss(y,t)
train_step=training(loss)