'Sequential' object has no attribute 'predict_classes' Pythonエラーの解決

Question

Pythonで機械学習のコードを書いているのですが、
下記のエラーが発生しており、うまく実行できません。
予測結果を取得　のところで、

AttributeError: 'Sequential' object has no attribute 'predict_classes'

というエラーがでます。
対処方法わかる方がいらっしゃれば教えていただけますでしょうか。
コードは下記の通りです。
よろしくお願いいたします。

# 予測結果を取得
y_pred = model.predict_classes(X_test)

# 混同行列を作成pa
cnf_matrix = confusion_matrix(y_test, y_pred)

# 混同行列を描画
sns.heatmap(cnf_matrix, annot=True, fmt='d', cmap='summer')
plt.xlabel("prediction")
plt.ylabel("target")
plt.show()

---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-131-3f14d059f4b0> in <module>()
      1 # 予測結果を取得
----> 2 y_pred = model.predict_classes(X_test)
      3 
      4 # 混同行列を作成
      5 cnf_matrix = confusion_matrix(y_test, y_pred)

AttributeError: 'Sequential' object has no attribute 'predict_classes'

# 数値計算用ライブラリ numpy をインポート
import numpy as np

# データフレームを提供するライブラリ pandas をインポート
import pandas as pd

# 機械学習用ライブラリ sklearn（scikit-learn）内にあるライブラリ  から
# モデル構築（訓練用）/検証データ分割用メソッド train_test_split をインポート
from sklearn.model_selection import train_test_split

# 自分のデータを読み込むために便利なメソッドをインポート
import os
import re
from tensorflow.keras.preprocessing.image import array_to_img, img_to_array, load_img

# ディープラーニング用フレームワーク、TensorFlow のラッパーである
# keras をインポート
from tensorflow.keras.models import Sequential, Model, load_model
from tensorflow.keras.layers import Dense, Conv2D, MaxPool2D, Flatten, Dropout, BatchNormalization, Activation
from tensorflow.keras.optimizers import Adam
from tensorflow.keras.datasets import cifar10
from tensorflow.keras.callbacks import ModelCheckpoint, EarlyStopping
from tensorflow.keras.preprocessing.image import ImageDataGenerator

# 描画用ライブラリをインポート
import matplotlib.pyplot as plt
import seaborn as sns
from matplotlib import gridspec, cm

# 混合行列作成用メソッド confusion_matrix をインポート
from sklearn.metrics import confusion_matrix

def list_pictures(directory, ext='jpg|jpeg|bmp|png|ppm'):
    return [os.path.join(root, f)
            for root, _, files in os.walk(directory) for f in files
            if re.match(r'([\w]+.(?:' + ext + '))', f.lower())]

#モデルの構造を定義
def define_model():
  model = Sequential()
  model.add(BatchNormalization(input_shape=(96, 96, 3)))
  model.add(Conv2D(filters=32, kernel_size=(3,3), strides=(1,1)))
  model.add(BatchNormalization())
  model.add(Activation('relu'))
  model.add(Conv2D(filters=32, kernel_size=(3,3), strides=(1,1)))
  model.add(BatchNormalization())
  model.add(Activation('relu'))
  model.add(MaxPool2D(pool_size=(2,2)))
  model.add(Dropout(0.2))

  model.add(Conv2D(filters=64, kernel_size=(3,3), strides=(1,1)))
  model.add(BatchNormalization())
  model.add(Activation('relu'))

  model.add(Conv2D(filters=64, kernel_size=(3,3), strides=(1,1)))
  model.add(BatchNormalization())
  model.add(Activation('relu'))
  
  model.add(Conv2D(filters=64, kernel_size=(3,3), strides=(1,1)))
  model.add(BatchNormalization())
  model.add(Activation('relu'))
  model.add(MaxPool2D(pool_size=(2,2)))
  model.add(Dropout(0.2))

  model.add(Flatten())

  model.add(Dense(256, activation="relu"))
  model.add(Dropout(0.2))
  model.add(Dense(256, activation="relu"))
  model.add(Dropout(0.2))
  model.add(Dense(2, activation='softmax'))

  return model

model = define_model()

model.compile(loss='sparse_categorical_crossentropy', optimizer=Adam(lr=0.005), metrics=['sparse_categorical_accuracy'])

datagen = ImageDataGenerator(rotation_range=30, width_shift_range=0.3, height_shift_range=0.3, horizontal_flip=True)
datagen.fit(X_train)

#　訓練を実行（訓練しながら ImageDataGenerator が機能し、Data Augumentation を行っている）
batch_size = 10
valid_samples = 25
train_samples = len(X_train) - valid_samples
mc = ModelCheckpoint("cnn_model_02.h5", monitor="val_loss", save_best_only=True, verbose=1)
es = EarlyStopping(monitor='val_loss', patience=15)
hist = model.fit_generator(datagen.flow(X_train[:train_samples], y_train[:train_samples], batch_size=batch_size),
                           steps_per_epoch= train_samples / batch_size,
                           epochs=40,
                           callbacks=[mc, es],
                           validation_data=datagen.flow(X_train[-valid_samples:], y_train[-valid_samples:], batch_size=batch_size),
                           validation_steps=valid_samples / batch_size)

Comments

[lazykyama]

参照されているメソッド名から推測すると、`tf.keras.Sequential` か `keras.models.Sequential` のどちらかかと思いますが、記載の内容だけでは情報が不足しています。
使用しているフレームワークの詳細について記載ください。
また `model` 作成から `predict_classes()` 呼び出しまでのコードもあわせて追記いただいたほうが、回答の精度が上がります。ご協力をお願いします。

[Shin_go]

ありがとうございます。
今追記いたしました。
サンプルコードなので、理解に乏しい状況ではあります。

Answer 1

追記ありがとうございました。

今回のコードで、
AttributeError: 'Sequential' object has no attribute 'predict_classes'
というエラーが出る原因としては、おそらくTensorFlowのバージョン違いではないかと思われます。

サンプルコードとのことですが、少し古めのコードなのではないでしょうか。
TensorFlowのバージョン1系には、Sequential クラスに predict_classes() が存在しているようです。
https://www.tensorflow.org/versions/r1.15/api_docs/python/tf/keras/Sequential#predict_classes

一方最新版 (v2.6) では、このメソッドが存在しないようです。
https://www.tensorflow.org/api_docs/python/tf/keras/Sequential

そのため対処としては以下どちらかとなります。

• TF1をインストールし直す (e.g., pip install tensorflow==1.15.5)
• TF2で、Sequential.predict() からの出力を使ってクラスを計算するロジックを独自に書く

Comments

[Shin_go]

いろいろご教示いただき大変ありがたいです。

インストールしなおすことにしたいのですが、
インポートということでよかったのでしょうか。

pip install tensorflow==1.15.5

これをコードにとして書くということででしょうか？
いろいろお聞きしてすみません。

[Shin_go]

ごめんなさい。なんとかできそうです。ありがとうございます。