機械学習で推論したら'int' object is not callable rnn.pyと出力される

Question

前提・実現したいこと

事前にLSTMを実装した機械学習モデルを作成し、
作成した学習済みモデルを読み込み時系列データの推論を実施したい。

作成したスクリプトは
・学習用スクリプト
・推論用スクリプト
で訳各スクリプトの構成は下記となる。

【学習用スクリプト】
①pytorch LSTMにてモデルを作成
②モデルを学習
③モデルを保存

【推論用スクリプト】

①モデルの作成
②学習済みデータのインポート
③推論

上記構成にて【推論用スクリプト】-③推論の箇所を実装しテストした所

'int' object is not callable rnn.py

というエラーが発生し推論が出来ない状態となっている。

環境

Python： 3.6.9
環境：　Google Colaboratory PRO
フレームワーク:　Pytorch

発生している問題・エラーメッセージ

下記ソースコードを実行した所

model.load_state_dict(torch.load("学習済みモデル.mdl"))
model.eval()
with torch.no_grad():
  model(data)

下記エラーが発生した

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-41-5844fcf260d7> in <module>()
      1 model.eval()
      2 with torch.no_grad():
----> 3   model(data)

3 frames
/usr/local/lib/python3.6/dist-packages/torch/nn/modules/rnn.py in forward(self, input, hx)
    557         else:
    558             batch_sizes = None
--> 559             max_batch_size = input.size(0) if self.batch_first else input.size(1)
    560             sorted_indices = None
    561             unsorted_indices = None

TypeError: 'int' object is not callable

上記のエラーのエラーの解決方法が解からず宜しければ教えてください。

ソースコード【学習用スクリプト】

①pytorch LSTMにてモデルを作成

class LSTMClassifier(nn.Module):
    def __init__(self, lstm_input_dim, lstm_hidden_dim, target_dim):
        super(LSTMClassifier, self).__init__()
        self.input_dim = lstm_input_dim
        self.hidden_dim = lstm_hidden_dim
        self.lstm = nn.LSTM(input_size=lstm_input_dim, 
                            hidden_size=lstm_hidden_dim,
                            num_layers=1, #default
                            #dropout=0.2,
                            batch_first=True
                            )
        self.dense = nn.Linear(lstm_hidden_dim, target_dim)

    def forward(self, X_input):
        _, lstm_out = self.lstm(X_input)
        # LSTMの最終出力のみを利用する。
        linear_out = self.dense(lstm_out[0].view(X_input.size(0), -1))
        return torch.sigmoid(linear_out)

model = LSTMClassifier(feature_num, lstm_hidden_dim, target_dim).to(device)
loss_function = nn.BCELoss()
optimizer= optim.Adam(model.parameters(), lr=1e-4)

③モデルを保存

torch.save(model.state_dict(),学習モデル)

ソースコード【推論用スクリプト】

①pytorch LSTMにてモデルを作成

class LSTMClassifier(nn.Module):
    def __init__(self, lstm_input_dim, lstm_hidden_dim, target_dim):
        super(LSTMClassifier, self).__init__()
        self.input_dim = lstm_input_dim
        self.hidden_dim = lstm_hidden_dim
        self.lstm = nn.LSTM(input_size=lstm_input_dim, 
                            hidden_size=lstm_hidden_dim,
                            num_layers=1, #default
                            #dropout=0.2,
                            batch_first=True
                            )
        self.dense = nn.Linear(lstm_hidden_dim, target_dim)

    def forward(self, X_input):
        _, lstm_out = self.lstm(X_input)
        # LSTMの最終出力のみを利用する。
        linear_out = self.dense(lstm_out[0].view(X_input.size(0), -1))
        return torch.sigmoid(linear_out)

model = LSTMClassifier(feature_num, lstm_hidden_dim, target_dim).to(device)
loss_function = nn.BCELoss()
optimizer= optim.Adam(model.parameters(), lr=1e-4)

②学習済みデータのインポート

model.load_state_dict(torch.load(学習モデル))
model.eval()

③推論 ★当コードにてエラー

with torch.no_grad():
  model(推論用データ)

試した事

①学習用データと推論用データの比較
・読み込ませるデータに差分があるのかと思い、比較したがカラムに関する差分は無い
・推論する際に必要なデータ数である事の確認
→学習時30ステップを用いて推論する設定となっていた。
推論用データについても30ステップ以上となる様に確認

上記解決方法をご存じな方居られましたら教えてください。

Answer 1

int のオブジェクトにカッコつけても呼び出せません、とおっしゃってますので、エラー出てる、そこんところをチェックしてみよう