'numpy.ndarray' object has no attribute 'append'のエラー

Question

#前提・実現したいこと
Variational Autoencoderを使った画像の異常検知　後編　（塩尻MLもくもく会＃7）
上記のURLのサイト様のコードを参考にVAEとオリジナルデータセットを用いて異常検知を行いたいと考えております。

#発生している問題・エラーメッセージ

-------------------------------------------------------------------------
AttributeError                          Traceback (most recent call last)
<ipython-input-15-3088cb233051> in <module>
      2   if y_train[i] == 1:#スニーカーは7
      3     temp = x_train[i,:,:,:]
----> 4     x_train_b.append(temp.reshape((x_train_shape[1],x_train_shape[2],x_train_shape[3])))
      5 
      6 x_train_b = np.array(x_train_b)

AttributeError: 'numpy.ndarray' object has no attribute 'append'

コードの途中で上記のようなエラーが発生してしまい、どのようにコードを改良すればいいのかわからない状態です。

#コード

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

from keras.layers import Lambda, Input, Dense, Reshape
from keras.models import Model
from keras.losses import mse
from keras.utils import plot_model
from keras import backend as K
from keras.layers import BatchNormalization, Activation, Flatten
from keras.layers.convolutional import Conv2DTranspose, Conv2D

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.colors as colors
import os
from sklearn import metrics
os.chdir('/Users/user_name/desktop/VAE')
os.getcwd()

def result_score(model, x, name, height=80, width=80, move=2):
    score = []

    for k in range(len(x)):
        max_score = -1000000000
        if k%100 == 0:
          print(k)

        for i in range(int((x.shape[1]-height)/move)+1):
            for j in range(int((x.shape[2]-width)/move)+1):
                x_sub = x[k, i*move:i*move+height, j*move:j*move+width, 0]
                x_sub = x_sub.reshape(1, height, width, 1)
                
                #従来手法
                if name == "old_":
                    #スコア
                    temp_score = model.evaluate(x_sub, batch_size=1, verbose=0)
                    if temp_score > max_score:
                        max_score = temp_score

                #提案手法
                else:
                    #スコア
                    mu, sigma = model.predict(x_sub, batch_size=1, verbose=0)
                    loss = 0
                    for o in range(height):
                        for l in range(width):
                            loss += 0.5 * (x_sub[0,o,l,0] - mu[0,o,l,0])**2 / sigma[0,o,l,0]
                    if loss > max_score:
                       max_score = loss

        score.append(max_score)

    return(score)

def cut_img(x, number, height=224, width=224):
    print("cutting images ...")
    x_out = []
    x_shape = x.shape

    for i in range(number):
        shape_0 = np.random.randint(0,x_shape[0])
        shape_1 = np.random.randint(0,x_shape[1]-height)
        shape_2 = np.random.randint(0,x_shape[2]-width)
        temp = x[shape_0, shape_1:shape_1+height, shape_2:shape_2+width, 0]
        x_out.append(temp.reshape((height, width, x_shape[3])))

    print("Complete.")
    x_out = np.array(x_out)

    return x_out

# reparameterization trick
# instead of sampling from Q(z|X), sample eps = N(0,I)
# z = z_mean + sqrt(var)*eps
def sampling(args):
    z_mean, z_log_var = args
    batch = K.shape(z_mean)[0]
    dim = K.int_shape(z_mean)[1]
    # by default, random_normal has mean=0 and std=1.0
    epsilon = K.random_normal(shape=(batch, dim))
    return z_mean + K.exp(0.5 * z_log_var) * epsilon

# dataset
from bcn_dataset import BCN_Dataset2
(x_train, y_train), (x_test, y_test) = BCN_Dataset2.create_bcn()

x_train = x_train.reshape(x_train.shape[0], 224, 224, 3)
x_test = x_test.reshape(x_test.shape[0], 224, 224, 3)

x_train = x_train.astype('float32') / 255
x_test = x_test.astype('float32') / 255

x_train_b = []
x_test_b = []
x_test_n = []

x_train_shape = x_train.shape

for i in range(len(x_train)):
  if y_train[i] == 1:#スニーカーは7
    temp = x_train[i,:,:,:]
    x_train_b.append(temp.reshape((x_train_shape[1],x_train_shape[2],x_train_shape[3])))

x_train_b = np.array(x_train_b)
x_train_b = cut_img(x_train_b, 50)
print("train data:",len(x_train_b))

#試していること
1.'numpy.ndarray' object has no attribute 'append'のエラーについて

2.特徴量データ設定の際のnp.arrayとlistの扱い　決定木の可視化の際のエラー'numpy.ndarray' object has no attribute 'colum

現在、上記URLに似たようなエラーメッセージでの質問をされている方がおり、なんとか自分の問題も解決できないかとコードと回答の意味の解読をしておりますが、自分のコードをどのように改良すればいいのかわからなく頭を抱えております。アドバイスやご助言でもいただけたら幸いです。

#補足
使っているPCはmacOS Catalina バージョン10.15.5
Pythonのバージョンは3.6.5です
Jupiter Notebookを使用しています

Answer 1

ndarrayにappend()メソッドは在りませんが、numpy.append()なら在ります。
使いたかったのはこちらでしょうか？

numpy.append

Comments

[maguro2020]

ご回答いただきありがとうございます。meg_様。
自分の解釈が間違っていたら大変申し訳ないのですが、コードの一番下から４行目にあたる
```
x_train_b.append(temp.reshape((x_train_shape[1],x_train_shape[2],x_train_shape[3])))
```
append()をnumpy.append()に変更すればよろしいのでしょうか？もしくはコード内にあるappend()を全てnumpy.append()に変更する必要があるのでしょうか？

[meg_]

> x_train_b.append(temp.reshape((x_train_shape[1],x_train_shape[2],x_train_shape[3])))
上記であれば、numpy.append(x_train_b, temp.reshape((x_train_shape[1],x_train_shape[2],x_train_shape[3])))になるかと思いますが、他の部分は分かりません。appendメソッド自体はlistなど他にもありますので。
あくまで「AttributeError: 'numpy.ndarray' object has no attribute 'append'」エラーに対しての回答となります。

[maguro2020]

ご回答いただきありがとうございます。meg_様。
もう少し自分でコードをいじってみたいと思います。