SimpleConvNetで、MNISTデータセットを学習したいのですがエラーが出ます

###前提・実現したいこと・質問

ゼロから作るDeepLearningの7章をやっていて、
SimpleConvNetで、MNISTデータセットを学習しようとしているのですが以下のようなエラーが出て進みません。common.trainを使うなということでしょうか。

###発生している問題・エラーメッセージ

---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-64-378d9ca28962> in <module>()
     26                   evaluate_sample_num_per_epoch=1000)
     27 
---> 28 trainer.train()
     29 
     30 # パラメータの保存

/tmp/jupyter-workspace/common/trainer.py in train(self)
     69     def train(self):
     70         for i in range(self.max_iter):
---> 71             self.train_step()
     72 
     73         test_acc = self.network.accuracy(self.x_test, self.t_test)

/tmp/jupyter-workspace/common/trainer.py in train_step(self)
     42         t_batch = self.t_train[batch_mask]
     43 
---> 44         grads = self.network.gradient(x_batch, t_batch)
     45         self.optimizer.update(self.network.params, grads)
     46 

AttributeError: 'SimpleConvNet' object has no attribute 'gradient'

###該当のソースコード

import sys, os
sys.path.append(os.pardir)  
import numpy as np
import matplotlib.pyplot as plt
from dataset.mnist import load_mnist
from common.trainer import Trainer



# データの読み込み
(x_train, t_train), (x_test, t_test) = load_mnist(flatten=False)

# 処理に時間のかかる場合はデータを削減 
#x_train, t_train = x_train[:5000], t_train[:5000]
#x_test, t_test = x_test[:1000], t_test[:1000]

max_epochs = 20

network = SimpleConvNet(input_dim=(1,28,28), 
                        conv_param = {'filter_num': 30, 'filter_size': 5, 'pad': 0, 'stride': 1},
                        hidden_size=100, output_size=10, weight_init_std=0.01)
                        
trainer = Trainer(network, x_train, t_train, x_test, t_test,
                  epochs=max_epochs, mini_batch_size=100,
                  optimizer='Adam', optimizer_param={'lr': 0.001},
                  evaluate_sample_num_per_epoch=1000)

trainer.train()

# パラメータの保存
network.save_params("params.pkl")
print("Saved Network Parameters!")

# グラフの描画
markers = {'train': 'o', 'test': 's'}
x = np.arange(max_epochs)
plt.plot(x, trainer.train_acc_list, marker='o', label='train', markevery=2)
plt.plot(x, trainer.test_acc_list, marker='s', label='test', markevery=2)
plt.xlabel("epochs")
plt.ylabel("accuracy")
plt.ylim(0, 1.0)
plt.legend(loc='lower right')
plt.show()