常連

### 前提・実現したいこと
ネットにあるチュートリアルを試してみるところですが，
いきなりimportでエラーになります

環境は次のとおりです
windows10（64bit）
anaconda 5.3.1 
python　3.7
TensorFlow　1.11（keras内蔵）
Jupyter Notebookを利用

【コマンド】＞＞＞＞＞
import tensorflow
from tensorflow import keras
from keras.layers import Input, Dense
＜＜＜＜

【エラー】＞＞＞＞＞
ModuleNotFoundError                       Traceback (most recent call last)
<ipython-input-19-d63db0619a81> in <module>
      1 import tensorflow
      2 from tensorflow import keras
----> 3 from keras.layers import Input, Dense

ModuleNotFoundError: No module named 'keras'
＜＜＜＜＜

kerasモジュールがないとのことですが，
2行目でインポートされないのでしょうか？

ちなみに，
【コマンド】＞＞＞＞＞
import tensorflow
from tensorflow import keras
from **tensorflow.**keras.layers import Input, Dense
＜＜＜＜＜

とするとエラーが出ません
keras内蔵のTensorFlowを使用しているからでしょうか？

また
import keras
としても
kerasモジュールがないとエラーが出ます

すいませんが，
どなたかご教授頂けると幸いです
よろしくお願いします

### 発生している問題・エラーメッセージ

```
エラーメッセージ
```

### 該当のソースコード

```ここに言語名を入力
ソースコード
```

### 試したこと

ここに問題に対して試したことを記載してください。

### 補足情報（FW/ツールのバージョンなど）
環境は次のとおりです
windows10（64bit）
anaconda 5.3.1 
python　3.7
TensorFlow　1.11（keras内蔵）
Jupyter Notebookを利用

kerasからのインポートでエラーになる

invalid character in identifier のエラーが出ました。
```ここに言語を入力
def xxx(train_X, train_y, test_X):
    train_X = tf.placeholder(tf.float32,[None,784])
    train_y = tf.placeholder(tf.float32,[None,784])
    W = tf.Variable(tf.zeros([784,10]))
    b = tf.Variable(tf.zeros([10]))
    y = tf.nn.softmax(tf.matmul(train_X, train_y,W)+b)
  pred_y = tf.placeholder(tf.float32,[None,10])
    cross_entropy = -tf.reduce_sum(pred_y*tf.log(y))
    train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)
    init = tf.initialize_all_variables()
    correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
    accuracy = tf.reduce_mean(tf.cast(correct_prediction,"foat"))
    return pred_y
```
と書いたコードを実行すると
```ここに言語を入力
 train_X = tf.placeholder(tf.float32,[None,784])
           ^
SyntaxError: invalid character in identifier
```
とエラーが出ました。
どうしてただ変数定義をしただけなのにこのようなエラーが出るのかがわかりません。
どう直せば良いのでしょうか？

invalid character in identifier　のエラー

ここに実現したいことを箇条書きで書いてください。
タイトルの通り、学習モデルの重みを取り出したいです。

### 前提
複数の学習モデルの重みの平均を取り、１つのモデルにしたいと考えています。
なお、言語はpythonを使用しています。
### 発生している問題・エラーメッセージ
モデルを保存する際以下の形式のファイルが保存されます。
・checkpoint
・data-00000-of-oooo1
・index
・meta

しかし、この中のどこに重みが保存されているのか、またどのように呼び出せば良いのかが分からない状態です。

### 該当のソースコード

    def train(self):
        total_step = self.train_inputs.shape[0] * FLAGS.num_epoch // FLAGS.batch_size
        print(self.train_inputs.shape[0])
        print('total step is %d' % total_step)
        config = tf.compat.v1.ConfigProto()
        config.gpu_options.allow_growth = True #メモリを必要分確保
        min_validation_loss = 10
        best_epoch = 0
        with tf.compat.v1.Session(config=config) as sess:
            
            sess.run(tf.global_variables_initializer()) #変数の初期化
            if FLAGS.restore == True:
                self.saver.restore(sess, self.save_path)

            for step in range(total_step):
                print(step)
                sample = random.sample(range(self.train_inputs.shape[0]), FLAGS.batch_size) #入力から、バッチサイズ分の要素をランダムに取り出す
                train_batch = self.train_inputs[sample]
                train_label = self.train_labels[sample]
                sess.run(self.optimizer, feed_dict={self.signal_input: train_batch, self.signal_label: train_label, #学習の実行
                                                    self.rnn_keep_prob: FLAGS.rnn_keep_prob, self.dense_drop_rate: FLAGS.drop_rate})
                
                if step % 100 == 0:
                    # print('-----------------------------------------------------------')
                    train_loss = sess.run(self.loss,
                                          feed_dict={self.signal_input: train_batch, self.signal_label: train_label,
                                                     self.rnn_keep_prob: FLAGS.rnn_keep_prob, self.dense_drop_rate: 0})
                    fft_train_loss = sess.run(self.fft_loss,
                                              feed_dict={self.signal_input: train_batch,
                                                         self.signal_label: train_label,
                                                         self.rnn_keep_prob: FLAGS.rnn_keep_prob, self.dense_drop_rate: 0})
                    valid_loss = sess.run(self.loss, feed_dict={self.signal_input: self.valid_inputs,
                                                                self.signal_label: self.valid_labels,
                                                                self.rnn_keep_prob: 1,
                                                                self.dense_drop_rate: 0})
                    fft_valid_loss = sess.run(self.fft_loss, feed_dict={self.signal_input: self.valid_inputs,
                                                                        self.signal_label: self.valid_labels,
                                                                        self.rnn_keep_prob: 1,
                                                                        self.dense_drop_rate: 0})


                    print('current step is %d' % step)
                    num_epoch = step * FLAGS.batch_size // self.train_inputs.shape[0]
                    print('current epoch is %d' % (num_epoch))
                    print('')
                    print('train loss is: %f' % train_loss)
                    print('fft train loss is: %f' % fft_train_loss)
                    print('sum_train loss is: %f' % (train_loss + fft_train_loss))
                    print('')
                    print('valid loss is: %f' % valid_loss)
                    print('fft valid loss is: %f' % fft_valid_loss)
                    print('sum_valid real loss is: %f' % (valid_loss + fft_valid_loss))

                    print('minimum valid loss is: {0:0.4f} in epoch {1}'.format(min_validation_loss, best_epoch))

                    if valid_loss < min_validation_loss:
                        best_epoch = num_epoch
                        min_validation_loss = valid_loss
                        self.saver.save(sess, self.save_path)
                        print(self.save_path)
                     
                        print('best model saved!!')

                
                
            

      
       

   
    
       


### 試したこと

色々調べてみたのですが、他の方のやり方では、コードを一から書き直す必要があるように見えたので、少し自分には難易度が高く、打つ手がありません…

### 補足情報（FW/ツールのバージョンなど）
私自身機械学習に関して初心者なのと、今回初めてteratailを使用したため、かなり分かりにくい質問内容になっているかと思いますが、ご回答いただけますと幸いです。



学習モデルの重みを取り出したい

TypeError: expected str, bytes or os.PathLike object, not NoneTypeとエラーが出ました。現在、以下のサイトを見て勉強しています。
http://www.buildinsider.net/small/booktensorflow/0201
```ここに言語を入力
# coding: utf-8

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

import os

import numpy as np
import tensorflow as tf
from PIL import Image

from reader import Cifar10Reader

FLAGS = tf.app.flags.FLAGS
tf.app.flags.DEFINE_string('file',None,"処理するファイルのパス")
tf.app.flags.DEFINE_integer('offset',0,"読み飛ばすレコード数")
tf.app.flags.DEFINE_integer('length',16,"読み込んで変換するレコード数")

basename = os.path.basename(FLAGS.file)
path = os.path.dirname(FLAGS.file)

reader = Cifar10Reader(FLAGS.file)

stop = FLAGS.offset + FLAGS.length

for index in range(FLAGS.offset,stop):
    image = reader.read(index)

    print('label: %d' % image.label)
    imageshow = Image.fromarray(image.byte_array.astype(np.unit8))

    file_name = '%s-%02d-%d.png' % (basename,index,image.label)
    file = os.path.join(path,file_name)
    with open(file,mode='wb') as out:
        imageshow.save(out,format='png')

reader.close()
```
のファイルを実行したときに上記のエラーが出ました。
エラーの全体は
Traceback (most recent call last):
  File "png10.py", line 20, in <module>
    basename = os.path.basename(FLAGS.file)
  File "/Users/XXX/anaconda/envs/py36/lib/python3.6/posixpath.py", line 144, in basename
    p = os.fspath(p)
TypeError: expected str, bytes or os.PathLike object, not NoneType

という内容です。
そもそもこのファイルは自分で作ったものではないです。
どこを直せばよいのでしょうか？

TypeError: expected str, bytes or os.PathLike object, not NoneTypeのエラー

### 実現したいこと

下記のコードに少し手を加えたものを使い、セグメンテーションを行いたい。

https://www.tensorflow.org/tutorials/images/segmentation?hl=ja


### 前提

TensorFlowでセグメンテーションを行うプログラムを作成中です。

学習後にテスト画像を用いて予測を行おうとしましたが、以下のエラーが出た後、空のグラフ（軸のみのグラフ）が表示されてしまい、予測結果の出力ができません。

### 発生している問題・エラーメッセージ

```
AttributeError                            Traceback (most recent call last)
<ipython-input-34-aae015b82389> in <module>
      3   pred_mask = pred_mask[..., tf.newaxis]
      4   return pred_mask[0]
----> 5 display([test_imgarray[0], testmask_imgarray[0],create_mask2(model.predict(test_imgarray))])
      6 def create_mask3(pred_mask):
      7   pred_mask = tf.argmax(pred_mask, axis=-1)

<ipython-input-20-b207b8ddfc2a> in display(display_list)
      7     plt.subplot(1, len(display_list), i+1)
      8     plt.title(title[i])
----> 9     plt.imshow(tf.keras.utils.array_to_img(display_list[i]))
     10     plt.axis('off')
     11   plt.show()

AttributeError: module 'tensorflow_core.keras.utils' has no attribute 'array_to_img'
```

### 該当のソースコード

```Python
import tensorflow as tf
import tensorflow_datasets as tfds
from tensorflow_examples.models.pix2pix import pix2pix
from IPython.display import clear_output
%matplotlib inline

import numpy as np
import matplotlib.pyplot as plt

from tensorflow.python import keras
from tensorflow.python.keras import backend as K
from tensorflow.python.keras.models import Model, Sequential
from tensorflow.python.keras.layers import Conv2D, Dense, Input, MaxPooling2D, UpSampling2D, Lambda
from tensorflow.python.keras.preprocessing.image import load_img, img_to_array, array_to_img, ImageDataGenerator
from tensorflow.keras.preprocessing.image import img_to_array

##中略##

def display(display_list):
  plt.figure(figsize=(15, 15))

  title = ['Input Image', 'True Mask', 'Predicted Mask']

  for i in range(len(display_list)):
    plt.subplot(1, len(display_list), i+1)
    plt.title(title[i])
    plt.imshow(tf.keras.utils.array_to_img(display_list[i]))
    plt.axis('off')
  plt.show()

##中略##

def create_mask2(pred_mask):
  pred_mask = tf.argmax(pred_mask, axis=-1)
  pred_mask = pred_mask[..., tf.newaxis]
  return pred_mask[0]
display([test_imgarray[0], testmask_imgarray[0],create_mask2(model.predict(test_imgarray))])


```

### 試したこと

ネットに、空のグラフが出力されるのはTkinterが原因だと書かれていたため、TclとTkinterのインストールを行いましたが変化ありません。


### 補足情報（FW/ツールのバージョンなど）

各バージョンは以下の通りです。
- Python 2.7.5
- TensorFlow 2.6.2
- keras 2.6.0


画像出力の際にAttributeErrorが出て空のグラフが表示される

### 実現したいこと

Githubの6.0-VAE-GAN-fashion-mnist.ipynbをそのまま実行しようとしても動きません。(tensorflowのバージョン違い？）

Google colabで6.0-VAE-GAN-fashion-mnist.ipynb(https://colab.research.google.com/github/timsainb/tensorflow2-generative-models/blob/master/6.0-VAE-GAN-fashion-mnist.ipynb#scrollTo=HQAi3QxwTScl)を順番に実行してゆくとmodel作成時に
エラーが出ます。



VAE-GANのサンプルコードはどうやったら動くのでしょう

anaconda3、jupyternotebookで実装


ソースコード
```

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
import csv

from __future__ import print_function
from keras.layers.core import Activation
from keras.layers.core import Dense
from keras.layers.core import Dropout
from keras.models import Sequential
from keras.utils import np_utils
from keras.utils import plot_model

from keras.layers.recurrent import LSTM
from keras.callbacks import EarlyStopping
from keras.initializers import glorot_uniform
from keras.initializers import orthogonal
from keras.initializers import TruncatedNormal

# 学習データ
df1 = csv.reader(open('x-data.csv', 'r'))
data1 = [ v for v in df1]
mat = np.array(data1)
mat2 = mat[1:]                        # 見出し行を外す
x_data = mat2[:, 1:].astype(np.float)  # 2列目以降を抜き出してfloat変換
print('x_data.shape=', x_data.shape)

# ラベルデータ
# 1％以上／0％以上／-1％以上／-1％未満
df2 = csv.reader(open('t-data.csv', 'r'))
data2 = [ v for v in df2]
mat3 = np.array(data2)
mat4 = mat3[1:]                       # 見出し行を外す
t_data = mat4[:, 1:].astype(np.float)  # 2列目以降を抜き出してfloat変換
print('t_data.shape=', t_data.shape)
```

##エラー箇所

ここでfloat変換にしよとした所
```
t_data = mat4[:, 1:].astype(np.float)  # 2列目以降を抜き出してfloat変換
```

```エラー文
IndexError                                Traceback (most recent call last)
<ipython-input-47-b6ba00859e68> in <module>
----> 1 t_data = mat4[:, 1:].astype(np.float)# 2列目以降を抜き出してfloat変換

IndexError: too many indices for array

```

学習データx-data.csv 、ラベルデータt-data.csvは見出し行、日付列を外して、データを行列に展開。
学習データは(n-2,1)次行列、ラベルデータは(n-2,4)次行列　　　です。


##x-data.csv(開いたデータの中身)
```
Date,Data
1965/1/5,
1965/1/6,-0.497284146
1965/1/7,-0.810010493
1965/1/8,-0.949750073
1965/1/12,-0.16388427
1965/1/13,0.534587535
1965/1/14,-0.609059694
1965/1/18,1.391564293
1965/1/19,0.105434899
1965/1/20,0.114992886
1965/1/21,-0.124438336
1965/1/22,0.681599556
1965/1/25,0.964351034
1965/1/26,0.133713051
1965/1/27,-0.810767248
1965/1/28,0.878904551
1965/1/29,0.396063218
1965/2/1,-0.045063459
1965/2/2,0.328819522
1965/2/3,-0.746352469
.
.
.
```


##t-data.csv(開いたデータの中身)
```
Date,1％以上,0％以上,-1％以上,-1％未満
1965/1/5,,,,
1965/1/6,0,0,1,0
1965/1/7,0,0,1,0
1965/1/8,0,0,1,0
1965/1/12,0,0,1,0
1965/1/13,0,1,0,0
1965/1/14,0,0,1,0
1965/1/18,1,0,0,0
1965/1/19,0,1,0,0
1965/1/20,0,1,0,0
1965/1/21,0,0,1,0
1965/1/22,0,1,0,0
1965/1/25,0,1,0,0
1965/1/26,0,1,0,0
1965/1/27,0,0,1,0
1965/1/28,0,1,0,0
1965/1/29,0,1,0,0
1965/2/1,0,0,1,0
1965/2/2,0,1,0,0
1965/2/3,0,0,1,0
1965/2/4,0,0,0,1
1965/2/5,0,0,1,0
1965/2/8,0,1,0,0
1965/2/9,0,1,0,0
1965/2/10,0,1,0,0
.
.
.
.
.
.
```

Pythonでエラー: too many indices for array の解決方法を教えてください！

DNN分野では「End-to-end training」という言葉がよく出てきますが、
公式的な解釈はなく、個別な解釈を読んでも、分かるような分からないような気分です。

原因は恐らく反対の概念**「End-to-endではないtraining」**は何ですか
というのは分かっていないためかなと思います。

どなたかご解釈いただけませんか。