(おそらく)関数に引数を渡せない

前提・実現したいこと

・3000枚の手書き文字を15クラスに識別するCNNの作成
・2100枚の画像データで学習し、学習済みの重みはpickleに保存済み
・"submit_katakana.ipynd"を実行することで、学習済みの重みとモデル"cnn_test.py"を使って手書きカタカナを識別するようにしたい。

発生している問題・エラーメッセージ

"submit_katakana.ipynd"を実行すると精度を計算する関数に関して以下のようなエラーメッセージが出る。

<ipython-input-1-d848ee4d9506> in func_predict(test_data, test_label)
     43 #     loss  = model.loss(test_data, test_label)
     44     model = SimpleConvNet
---> 45     accuracy = model.accuracy(test_data, test_label)
     46     loss  = model.loss(test_data, test_label)
     47     return loss, accuracy # 編集不可

TypeError: accuracy() missing 1 required positional argument: 't'

submit_katakanaのソースコード

python
1def makedataset():
2    """
3    データセットをつくる関数
4    """
5    
6    test_data= util.loaddata()　# 変更不可
7
8    # 前処理  
9    # 正規化
10    test_data = test_data / 255
11    test_data = test_data.astype('float32')
12    # 配列形式変更
13    test_data = test_data.reshape(-1,1,28,28)
14
15    return test_data
16
17
18def func_predict(test_data, test_label):
19    """
20    予測する関数
21    data : 画像データ
22    return loss, accuracy
23    引数とreturn以外は、編集可   
24    """
25    model = SimpleConvNet
26    accuracy = model.accuracy(test_data, test_label)
27    loss  = model.loss(test_data, test_label)
28    return loss, accuracy # 編集不可
29
30
31def main():
32    """
33    編集不可
34    """
35    # テスト用データをつくる
36    test_data = makedataset()
37    # 予測し精度を算出する
38    util.accuracy(func_predict, test_data)
39    
40    return
41
42
43if __name__=="__main__":
44    main()

cnn_test.pyのソースコード

class SimpleConvNet:
    def __init__(
　　　　(省略)

    def predict(self, x):
        for layer in self.layers.values():
            x = layer.forward(x)

        return x

    def loss(self, x, t):
        """
        損失関数
        x : 入力データ
        t : 教師データ
        """
        y = self.predict(x)
        return self.last_layer.forward(y, t)

    def accuracy(self, x, t, batch_size=100):
        if t.ndim != 1 : t = np.argmax(t, axis=1)
        
        acc = 0.0
        
        for i in range(int(x.shape[0] / batch_size)):
            tx = x[i*batch_size:(i+1)*batch_size]
            tt = t[i*batch_size:(i+1)*batch_size]
            y = self.predict(tx)
            y = np.argmax(y, axis=1)
            acc += np.sum(y == tt) 
        
        return acc / x.shape[0]

    def gradient(self, x, t):
        """勾配を求める（誤差逆伝播法）
        Parameters
        ----------
        x : 入力データ
        t : 教師データ
        Returns
        -------
        各層の勾配を持ったディクショナリ変数
            grads['W1']、grads['W2']、...は各層の重み
            grads['b1']、grads['b2']、...は各層のバイアス
        """
        # forward
        self.loss(x, t)

        # backward
        dout = 1
        dout = self.last_layer.backward(dout)

        layers = list(self.layers.values())
        layers.reverse()
        for layer in layers:
            dout = layer.backward(dout)

        # 設定
        grads = {}
        grads['W1'], grads['b1'] = self.layers['Conv1'].dW, self.layers['Conv1'].db
        grads['W2'], grads['b2'] = self.layers['Conv2'].dW, self.layers['Conv2'].db
        grads['W3'], grads['b3'] = self.layers['Affine1'].dW, self.layers['Affine1'].db
        grads['W4'], grads['b4'] = self.layers['Affine2'].dW, self.layers['Affine2'].db

        return grads

utilのコード(編集不可)

def loaddata():
    """
    データを読む関数
    """
    test_data = np.load("../1_data/train_data.npy")
    return test_data



def accuracy(func_predict, test_data):
    """
    精度を計算する関数
    label_pred : numpy 1D array 
    """
    
    # データ数のチェック
    data_size = len(test_data)
    if data_size<3000:
        error = "label_predのサイズが足りていません"
        print(data_size, error)
        print('Test loss:', error)
        print('Test accuracy:', error)
        return
    elif data_size>3000:
        error = "label_predのサイズが多すぎます"
        print(data_size, error)
        print('Test loss:', error)
        print('Test accuracy:', error)        
        return

    test_label = np.load("../1_data/train_label.npy")
    
    
    # 予測
    # サーバーへの負荷を軽減するため、ミニバッチ処理で行う
    
    batch_size = 5000
    
    minibatch_num = np.ceil( data_size / batch_size).astype(int) # ミニバッチの個数
    
    li_loss = []
    li_accuracy = []
    li_num = []
    index = np.arange(data_size)
    
    for mn in range(minibatch_num):
        print(mn)
        mask = index[batch_size*mn:batch_size*(mn+1)]        
        data = test_data[mask]
        label = test_label[mask]
        loss, accuracy  = func_predict(data, label)
        print(loss, accuracy)
        
        li_loss.append(loss)
        li_accuracy.append(accuracy)
        li_num.append(len(data))

    test_loss = np.dot(li_loss, li_num) / np.sum(li_num)
    test_accuracy = np.dot(li_accuracy, li_num) / np.sum(li_num)
    
    print('Test loss:', test_loss)
    print('Test accuracy:', test_accuracy)
    return

何卒宜しくお願いします。