質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
87.20%
Keras

Kerasは、TheanoやTensorFlow/CNTK対応のラッパーライブラリです。DeepLearningの数学的部分を短いコードでネットワークとして表現することが可能。DeepLearningの最新手法を迅速に試すことができます。

深層学習

深層学習は、多数のレイヤのニューラルネットワークによる機械学習手法。人工知能研究の一つでディープラーニングとも呼ばれています。コンピューター自体がデータの潜在的な特徴を汲み取り、効率的で的確な判断を実現することができます。

Google Colaboratory

Google Colaboratoryとは、無償のJupyterノートブック環境。教育や研究機関の機械学習の普及のためのGoogleの研究プロジェクトです。PythonやNumpyといった機械学習で要する大方の環境がすでに構築されており、コードの記述・実行、解析の保存・共有などが可能です。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

解決済

FailedPreconditionErrorのエラー対処方法

kouji_39
kouji_39

総合スコア115

Keras

Kerasは、TheanoやTensorFlow/CNTK対応のラッパーライブラリです。DeepLearningの数学的部分を短いコードでネットワークとして表現することが可能。DeepLearningの最新手法を迅速に試すことができます。

深層学習

深層学習は、多数のレイヤのニューラルネットワークによる機械学習手法。人工知能研究の一つでディープラーニングとも呼ばれています。コンピューター自体がデータの潜在的な特徴を汲み取り、効率的で的確な判断を実現することができます。

Google Colaboratory

Google Colaboratoryとは、無償のJupyterノートブック環境。教育や研究機関の機械学習の普及のためのGoogleの研究プロジェクトです。PythonやNumpyといった機械学習で要する大方の環境がすでに構築されており、コードの記述・実行、解析の保存・共有などが可能です。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

2回答

0評価

0クリップ

1825閲覧

投稿2021/05/29 22:43

編集2021/05/30 01:01

1.質問内容
実践GAN 敵対性生成ネットワークによる深層学習(マイナビ)で、VAEの実装を勉強中です。
参考コードも
実践GAN 敵対性生成ネットワークによる深層学習の公開github中コードです。
githubは、以下です。
https://github.com/GANs-in-Action/gans-in-action
Chapter-2の「Chapter_2_Autoencoder.ipynb」が参考コードです。

参考コードは、vAE実装例です。google colab上で作動させると、以下の
エラーが、下記の場所で出ます。

python

vae.fit(x_train, x_train, shuffle=True, epochs=epochs, batch_size=batch_size)

エラー文は、以下のもの
FailedPreconditionError: Could not find variable training_2/RMSprop/rho. This could mean that the variable has been deleted. In TF1, it can also mean the variable is uninitialized. Debug info: container=localhost, status=Not found: Resource localhost/training_2/RMSprop/rho/N10tensorflow3VarE does not exist.

対処方法をお願いいたします。

2.参考コード

python

from __future__ import print_function import numpy as np import matplotlib.pyplot as plt from scipy.stats import norm import tensorflow as tf from keras.layers import Input, Dense, Lambda, Reshape from keras.models import Model from keras import backend as K from keras import objectives#追加 from keras import metrics from keras.datasets import mnist # defining the key parameters batch_size = 100 original_dim = 784 latent_dim = 2 intermediate_dim = 256 epochs = 50 epsilon_std = 1.0 def sampling(args: tuple): # we grab the variables from the tuple z_mean, z_log_var = args epsilon = K.random_normal(shape=(K.shape(z_mean)[0], latent_dim), mean=0., stddev=epsilon_std) return z_mean + K.exp(z_log_var / 2) * epsilon # input to our encoder x = Input(shape=(original_dim,), name="input") # intermediate layer h = Dense(intermediate_dim, activation='relu', name="encoding")(x) # defining the mean of the latent space z_mean = Dense(latent_dim, name="mean")(h) # defining the log variance of the latent space z_log_var = Dense(latent_dim, name="log-variance")(h) # note that "output_shape" isn't necessary with the TensorFlow backend z = Lambda(sampling, output_shape=(latent_dim,))([z_mean, z_log_var]) # defining the encoder as a keras model encoder = Model(x, [z_mean, z_log_var, z], name="encoder") # print out summary of what we just did encoder.summary() # Input to the decoder input_decoder = Input(shape=(latent_dim,), name="decoder_input") # taking the latent space to intermediate dimension decoder_h = Dense(intermediate_dim, activation='relu', name="decoder_h")(input_decoder) # getting the mean from the original dimension x_decoded = Dense(original_dim, activation='sigmoid', name="flat_decoded")(decoder_h) # defining the decoder as a keras model decoder = Model(input_decoder, x_decoded, name="decoder") decoder.summary() # grab the output. Recall, that we need to grab the 3rd element our sampling z output_combined = decoder(encoder(x)[2]) # link the input and the overall output vae = Model(x, output_combined) # print out what the overall model looks like vae.summary() Model?? def vae_loss(x: tf.Tensor, x_decoded_mean: tf.Tensor, z_log_var=z_log_var, z_mean=z_mean, original_dim=original_dim): xent_loss = original_dim * metrics.binary_crossentropy(x, x_decoded_mean) kl_loss = - 0.5 * K.sum( 1 + z_log_var - K.square(z_mean) - K.exp(z_log_var), axis=-1) vae_loss = K.mean(xent_loss + kl_loss) return vae_loss vae.compile(optimizer='rmsprop', loss=vae_loss) vae.summary() (x_train, y_train), (x_test, y_test) = mnist.load_data() x_train = x_train.astype('float32') / 255. x_test = x_test.astype('float32') / 255. x_train = x_train.reshape((len(x_train), np.prod(x_train.shape[1:]))) x_test = x_test.reshape((len(x_test), np.prod(x_test.shape[1:]))) vae.fit(x_train, x_train, shuffle=True, epochs=epochs, batch_size=batch_size) # display a 2D plot of the digit classes in the latent space x_test_encoded = encoder.predict(x_test, batch_size=batch_size)[0] plt.figure(figsize=(6, 6)) plt.scatter(x_test_encoded[:,0], x_test_encoded[:,1], c=y_test, cmap='viridis') plt.colorbar() plt.show() # display a 2D manifold of the digits n = 15 # figure with 15x15 digits digit_size = 28 figure = np.zeros((digit_size * n, digit_size * n)) grid_x = norm.ppf(np.linspace(0.05, 0.95, n)) grid_y = norm.ppf(np.linspace(0.05, 0.95, n)) for i, yi in enumerate(grid_x): for j, xi in enumerate(grid_y): z_sample = np.array([[xi, yi]]) x_decoded = decoder.predict(z_sample) digit = x_decoded[0].reshape(digit_size, digit_size) figure[i * digit_size: (i + 1) * digit_size, j * digit_size: (j + 1) * digit_size] = digit plt.figure(figsize=(10, 10)) plt.imshow(figure, cmap='Greys_r') plt.show()

3.補足情報(FW/ツールのバージョンなど)
開発環境:Google Colaboratory
プログラム言語:python3
OS:windows10 Home
CPU:Intel(R) Core(TM) i7-7500U CPU@2.70GHz 2.90GHz

良い質問の評価を上げる

以下のような質問は評価を上げましょう

  • 質問内容が明確
  • 自分も答えを知りたい
  • 質問者以外のユーザにも役立つ

評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

気になる質問をクリップする

クリップした質問は、後からいつでもマイページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

  • プログラミングに関係のない質問
  • やってほしいことだけを記載した丸投げの質問
  • 問題・課題が含まれていない質問
  • 意図的に内容が抹消された質問
  • 過去に投稿した質問と同じ内容の質問
  • 広告と受け取られるような投稿

評価を下げると、トップページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

jbpb0

2021/05/30 01:05 編集

> 参考コードも 実践GAN 敵対性生成ネットワークによる深層学習の公開github中コードです。 「実践GAN」のサポートWebページ https://book.mynavi.jp/supportsite/detail/9784839967710.html によると、githubは下記です https://github.com/GANs-in-Action/gans-in-action > githubは、以下です。 https://github.com/yusugomori/deeplearning-keras-tf2-torch Chapter-2の「Chapter_2_Autoencoder.ipynb」が参考コードです。 にあるのは、「詳解ディープラーニング 第2版」 https://book.mynavi.jp/ec/products/detail/id=109454 のコード
kouji_39

2021/05/30 02:55

ご指導ありがとうございます。 バージョン指定インストールは、以下のようなかんじでしょうか? !pip install keras==2.2.4 !pip install tensorflow==1.12.0 上記を参考コードの一番前に持ってきて、実行すると、 from keras.layers import Input, Dense, Lambda, Reshape の箇所で、以下のエラーが発生します。 AttributeError: module 'keras.utils.generic_utils' has no attribute 'populate_dict_with_module_objects'
jbpb0

2021/05/30 03:08

!pip list で、バージョン合ってるか確認してください
jbpb0

2021/05/30 03:16

別のバージョンをインストールしたら、たしか再起動しないと反映されなかったような !pip install... の時にそれ的なことが書かれてると思うので、確認してください
kouji_39

2021/05/30 03:28

再度のご指導ありがとうございます。 tensorflowは、2.5.0 になっていました。インポート時にtensorflowについては、下記のエラー が発生していました。一応、動きはします。なお、kerasは2.2.4のバージョンでした。 ERROR: Could not find a version that satisfies the requirement tensorflow==1.12.0 (from versions: 1.13.0rc1, 1.13.0rc2, 1.13.1, 1.13.2, 1.14.0rc0, 1.14.0rc1, 1.14.0, 1.15.0rc0, 1.15.0rc1, 1.15.0rc2, 1.15.0rc3, 1.15.0, 1.15.2, 1.15.3, 1.15.4, 1.15.5, 2.0.0a0, 2.0.0b0, 2.0.0b1, 2.0.0rc0, 2.0.0rc1, 2.0.0rc2, 2.0.0, 2.0.1, 2.0.2, 2.0.3, 2.0.4, 2.1.0rc0, 2.1.0rc1, 2.1.0rc2, 2.1.0, 2.1.1, 2.1.2, 2.1.3, 2.2.0rc0, 2.2.0rc1, 2.2.0rc2, 2.2.0rc3, 2.2.0rc4, 2.2.0, 2.2.1, 2.2.2, 2.3.0rc0, 2.3.0rc1, 2.3.0rc2, 2.3.0, 2.3.1, 2.3.2, 2.4.0rc0, 2.4.0rc1, 2.4.0rc2, 2.4.0rc3, 2.4.0rc4, 2.4.0, 2.4.1, 2.5.0rc0, 2.5.0rc1, 2.5.0rc2, 2.5.0rc3, 2.5.0) ERROR: No matching distribution found for tensorflow==1.12.0 (テンソルフローに一致するdistributionが見つかりません)
jbpb0

2021/05/30 04:32 編集

それでしたら、TF1.*の中からインストール可能なバージョンを選んで入れてから、再起動してから実行してみてください TF1とTF2は、かなり仕様が違うので、TF1用のコードは、たいていTF2ではすんなりとは動きません
jbpb0

2021/05/30 04:29

バージョンに「rc」が付いてるのは、正式リリース版ではないので、避けた方がいいかも
jbpb0

2021/05/30 22:39 編集

Colabで動かして確認したら、TFとKerasをバージョン指定して入れ直しても、現状Colabに入ってる「keras-nightly」が邪魔してエラーが消えないので、それを削除する必要がありました 詳細手順を回答に書いたので、確認してみてください

まだ回答がついていません

会員登録して回答してみよう

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
87.20%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問

同じタグがついた質問を見る

Keras

Kerasは、TheanoやTensorFlow/CNTK対応のラッパーライブラリです。DeepLearningの数学的部分を短いコードでネットワークとして表現することが可能。DeepLearningの最新手法を迅速に試すことができます。

深層学習

深層学習は、多数のレイヤのニューラルネットワークによる機械学習手法。人工知能研究の一つでディープラーニングとも呼ばれています。コンピューター自体がデータの潜在的な特徴を汲み取り、効率的で的確な判断を実現することができます。

Google Colaboratory

Google Colaboratoryとは、無償のJupyterノートブック環境。教育や研究機関の機械学習の普及のためのGoogleの研究プロジェクトです。PythonやNumpyといった機械学習で要する大方の環境がすでに構築されており、コードの記述・実行、解析の保存・共有などが可能です。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。