TypeError: unsupported operand type(s) for %: 'builtin_function_or_method' and 'int'の原因と解消方法を教えて下さい。

Question

前提・実現したいこと

下記urlにある、ベアリングの異常検知をする、機械学習のサンプルコードを実行しようとしています。
https://github.com/BLarzalere/LSTM-Autoencoder-for-Anomaly-Detection
データや判定手法が実際に使えるものかを判断するのが目的です。
したがって、コードを一通り試して、内容を理解したいです。
しかしながら、環境の違いなのかエラーが出てしまいます。
初歩的で恐縮ですがご教示頂ければ幸いです。

発生している問題・エラーメッセージ

TypeError: unsupported operand type(s) for %: 'builtin_function_or_method' and 'int'

TypeError                                 Traceback (most recent call last)
<ipython-input-50-4fa0c8e38f05> in <module>()
      1 # create the autoencoder model
----> 2 model = autoencoder_model(X_train)

12 frames
/usr/local/lib/python3.6/dist-packages/tensorflow/python/framework/random_seed.py in _truncate_seed(seed)
     36 
     37 def _truncate_seed(seed):
---> 38   return seed % _MAXINT32  # Truncate to fit into 32-bit integer
     39 
     40 

TypeError: unsupported operand type(s) for %: 'builtin_function_or_method' and 'int'

該当のソースコード　★印

# import libraries
import os 
import pandas as pd
import numpy as np
from sklearn.preprocessing import MinMaxScaler
from sklearn.externals import joblib
import seaborn as sns
sns.set(color_codes=True)
import matplotlib.pyplot as plt
%matplotlib inline
from numpy.random import seed
import tensorflow as tf
tf.random.set_seed(seed)
from keras.layers import Input, Dropout, Dense, LSTM, TimeDistributed, RepeatVector
from keras.models import Model
from keras import regularizers

# set random seed
seed(10)
from google import colab
colab.drive.mount('/content/gdrive')

# load, average and merge sensor samples
data_dir = 'gdrive/My Drive/data/bearing_data'
!ls 'gdrive/My Drive/data/bearing_data'
merged_data = pd.DataFrame()
for filename in os.listdir(data_dir):
    dataset = pd.read_csv(os.path.join(data_dir, filename),  sep='\t', engine='python')
    dataset_mean_abs = np.array(dataset.abs().mean())
    dataset_mean_abs = pd.DataFrame(dataset_mean_abs.reshape(1,4))
    dataset_mean_abs.index = [filename]
    merged_data = merged_data.append(dataset_mean_abs)
merged_data.columns = ['Bearing 1', 'Bearing 2', 'Bearing 3', 'Bearing 4']

# transform data file index to datetime and sort in chronological order
merged_data.index = pd.to_datetime(merged_data.index, format='%Y.%m.%d.%H.%M.%S')
merged_data = merged_data.sort_index()
merged_data.to_csv('Averaged_BearingTest_Dataset.csv')
print("Dataset shape:", merged_data.shape)
merged_data.head()
train = merged_data['2004-02-12 10:52:39': '2004-02-15 12:52:39']
test = merged_data['2004-02-15 12:52:39':]
print("Training dataset shape:", train.shape)
print("Test dataset shape:", test.shape)

# Train データをプロット
fig, ax = plt.subplots(figsize=(14, 6), dpi=80)
ax.plot(train['Bearing 1'], label='Bearing 1', color='blue', animated = True, linewidth=1)
ax.plot(train['Bearing 2'], label='Bearing 2', color='red', animated = True, linewidth=1)
ax.plot(train['Bearing 3'], label='Bearing 3', color='green', animated = True, linewidth=1)
ax.plot(train['Bearing 4'], label='Bearing 4', color='black', animated = True, linewidth=1)
plt.legend(loc='lower left')
ax.set_title('Bearing Sensor Training Data', fontsize=16)
plt.show()

# transforming data from the time domain to the frequency domain using fast Fourier transform
# 高速フーリエ変換を使用して、時間領域から周波数領域にデータを変換する
train_fft = np.fft.fft(train)
test_fft = np.fft.fft(test)

# frequencies of the healthy sensor signal
# 正常なセンサー信号の周波数
fig, ax = plt.subplots(figsize=(14, 6), dpi=80)
ax.plot(train_fft[:,0].real, label='Bearing 1', color='blue', animated = True, linewidth=1)
ax.plot(train_fft[:,1].imag, label='Bearing 2', color='red', animated = True, linewidth=1)
ax.plot(train_fft[:,2].real, label='Bearing 3', color='green', animated = True, linewidth=1)
ax.plot(train_fft[:,3].real, label='Bearing 4', color='black', animated = True, linewidth=1)
plt.legend(loc='center')
ax.set_title('Bearing Sensor Training Frequency Data', fontsize=16)
plt.show()

# frequencies of the degrading sensor signal
# 劣化センサー信号の周波数
fig, ax = plt.subplots(figsize=(14, 6), dpi=80)
ax.plot(test_fft[:,0].real, label='Bearing 1', color='blue', animated = True, linewidth=1)
ax.plot(test_fft[:,1].imag, label='Bearing 2', color='red', animated = True, linewidth=1)
ax.plot(test_fft[:,2].real, label='Bearing 3', color='green', animated = True, linewidth=1)
ax.plot(test_fft[:,3].real, label='Bearing 4', color='black', animated = True, linewidth=1)
plt.legend(loc='upper left')
ax.set_title('Bearing Sensor Test Frequency Data', fontsize=16)
plt.show()

# normalize the data
# データを正規化する
scaler = MinMaxScaler()
X_train = scaler.fit_transform(train)
X_test = scaler.transform(test)
scaler_filename = "scaler_data"
joblib.dump(scaler, scaler_filename)

# reshape inputs for LSTM [samples, timesteps, features]
X_train = X_train.reshape(X_train.shape[0], 1, X_train.shape[1])
print("Training data shape:", X_train.shape)
X_test = X_test.reshape(X_test.shape[0], 1, X_test.shape[1])
print("Test data shape:", X_test.shape)

# define the autoencoder network model
def autoencoder_model(X):
    inputs = Input(shape=(X.shape[1], X.shape[2]))
    L1 = LSTM(16, activation='relu', return_sequences=True, 
              kernel_regularizer=regularizers.l2(0.00))(inputs)
    L2 = LSTM(4, activation='relu', return_sequences=False)(L1)
    L3 = RepeatVector(X.shape[1])(L2)
    L4 = LSTM(4, activation='relu', return_sequences=True)(L3)
    L5 = LSTM(16, activation='relu', return_sequences=True)(L4)
    output = TimeDistributed(Dense(X.shape[2]))(L5)    
    model = Model(inputs=inputs, outputs=output)
    return model

# create the autoencoder model　
model = autoencoder_model(X_train) #★この行でエラーです。
model.compile(optimizer='adam', loss='mae')
model.summary()

試したこと

built in functionが何を指すのか分からないのですが、int、つまり被演算の数値のデータ形式のエラーと思われました。そこで、データファイルを3つに絞り込んで実行しましたが、同じエラーが出ます。データではなく、functionが原因だと思われますが、それ以上のヒントが無く困っております。

補足情報（FW/ツールのバージョンなど）

Google colabを利用しています。
元データはすべてまとめて、自分のGoogle drive　にdata\bearing_data　というディレクトリを作って保存しています。

Pythonや機械学習は素人で、特に関数定義の# define the autoencoder network modelの内容は理解できていません。

Comments

[meg_]

autoencoder_model(X)のどこでエラーが発生しているかについて、エラーメッセージに書いてありませんか？ エラーメッセージは省略せずに掲載ください。
-----------------------------------------------------------------
コードの中に書いてありましたね。今、気が付きました。分かりにくいので、エラーメッセージは独立して記述してくださいね。
-----------------------------------------------------------------
エラー発生箇所は何処ですか？ エラーメッセージは全文掲載してください。（ユーザー名等は隠してもらって構いません）

[ganase]

ご指摘ありがとうございます。改定を行いましたのでご確認頂ければ幸いです。

[ganase]

tensorflowのバージョンダウンしてスッキリ解決しました。
アドバイスありがとうございました。

Answer 1

!pip install tensorflow==1.14.0
上記コマンドでtensorflowのバージョンダウンしてスッキリ解決しました。

Answer 2

!pip install tensorflow==1.14.0

上記コマンドでtensorflowのバージョンダウンして解決しました。

Answer 3

!pip install tensorflow==1.14.0

上記コマンドでtensorflowのバージョンダウンして解決しました。

Answer 4

https://www.tensorflow.org/api_docs/python/tf/random/set_seed
のサンプル

tf.random.set_seed(1234)

あたりを参考にしてください。

その関数の引数seedにはなにかの整数を渡すのですよ。

Comments

[ganase]

アドバイスありがとうございます。
tensorflowのバージョンダウンしてスッキリ解決しました。