ゼロから作るdeeplearningでファイルがうまく読み込めない

Question

ご覧いただきありがとうございます。
助けてくださると大変嬉しいです。

サンプルコードをコピペしているがエラーをはく

ゼロから作るdeeplearningの第3章にて、pklファイルを読み込むために絶対パスで指定したのですが、
その後のpredict関数でエラーをはくようになりました。

# coding: utf-8
import os
import pickle
import sys
sys.path.append(os.pardir)  # パスに親ディレクトリ追加
import numpy as np
from python.dataset.mnist import load_mnist
from python.common.functions import sigmoid, softmax
from PIL import Image
print(sys.version)


#ニューラルネット
def get_data():
    (x_train, t_train), (x_test, t_test) = \
    load_mnist(normalize=True, flatten=True, one_hot_label=False)
    return x_test, t_test

def init_network():
    with open('/Users/hinak/Desktop/python/cp3/sample_weight.pkl','rb') as f:
        network = pickle.load(f)

def predict(network, x):
    W1, W2, W3 = network['W1'], network['W2'], network['W3']
    b1, b2, b3 = network['b1'], network['b2'], network['b3']

    a1 = np.dot(x, W1) + b1
    z1 = sigmoid(a1)
    a2 = np.dot(z1, W2) + b2
    z2 = sigmoid(a2)
    a3 = np.dot(z2, W3) + b3
    y = softmax(a3)

    return y


x, t = get_data()
network = init_network()
accuracy_cnt = 0
for i in range(len(x)):
    y = predict(network, x[i])
    p= np.argmax(y) # 最も確率の高い要素のインデックスを取得
    if p == t[i]:
        accuracy_cnt += 1

print("Accuracy:" + str(float(accuracy_cnt) / len(x)))

エラーメッセージ

Traceback (most recent call last):
  File "/Users/hinak/Desktop/python/cp3/doukana.py", line 41, in <module>
    y = predict(network, x[i])
  File "/Users/hinak/Desktop/python/cp3/doukana.py", line 24, in predict
    W1, W2, W3 = network['W1'], network['W2'], network['W3']
TypeError: 'NoneType' object is not subscriptable

私としましては、やはりファイルの読み込みがうまく行ってないのではと考えています。
そのほかにも、sample_weight.pklファイルをatomで開くと文字化けしていることが原因ではないかと思います。

ちなみに、上記のpyファイルとsample_weight.pklファイルは同じディレクトリにいます。

どなたかご教授願えませんでしょうか。
どうぞよろしくお願いいたします。

Answer 1

init_networ関数にて戻り値を記載するのを忘れていたため、predict関数でエラーが起きていました。

正しくは以下の通りでした。

def init_network():
    with open('/Users/hinak/Desktop/python/cp3/sample_weight.pkl','rb') as f:
        network = pickle.load(f)
    return network

初歩的なミスで時間が溶けました(;o;)