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

### 知りたいこと
訓練データと検証データには、'status'が0のデータのみが含まれており、テストデータ（y_test）には0と0.5のデータが含まれています。
これらのデータは前処理にオートエンコーダーを用いているもので、ここで学習した'status'の値を別のモデルと正しいかどうかを判定する際に使うものです。
モデルは、'status'以外のカラムをLSTMで学習して、↑y_testを予測することになります。

ここで、訓練データには0しか含まれていないことから、.fit_trasnformでは、0と0.5の値を学習できておらず、エラーが出てしまいました。
解決するにはどのようにしたらいいのでしょうか？
知恵をお貸しください。

### 前提

時系列データになります。

### 発生している問題・エラーメッセージ

```
ValueError Traceback (most recent call last) Cell In[246], line 4 2 y_train = encoder.fit_transform(X_train[['_status']])  3 y_val = encoder.transform(X_val[['_status']]) ----> 4 y_test = encoder.transform(X_test[['_status']])  File [~/.pyenv/versions/3.11.1/lib/python3.11/site-packages/sklearn/utils/_set_output.py:140][1], in _wrap_method_output..wrapped(self, X, *args, **kwargs) 138 @wraps(f)  139 def wrapped(self, X, *args, **kwargs): --> 140 data_to_wrap = f(self, X, *args, **kwargs)  141 if isinstance(data_to_wrap, tuple):  142 # only wrap the first output for cross decomposition 143 return_tuple = (  144 _wrap_data_with_container(method, data_to_wrap[0], X, self),  145 *data_to_wrap[1:],  146 )  File [~/.pyenv/versions/3.11.1/lib/python3.11/site-packages/sklearn/preprocessing/_encoders.py:1016][2], in OneHotEncoder.transform(self, X) 1011 # validation of X happens in _check_X called by _transform 1012 warn_on_unknown = self.drop is not None and self.handle_unknown in {  1013 "ignore",  1014 "infrequent_if_exist",  1015 } -> 1016 X_int, X_mask = self._transform(

...

--> 199 raise ValueError(msg)  200 else:  201 if warn_on_unknown:  ValueError: Found unknown categories [0, 2] in column 0 during transform

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
Cell In[246], line 4
      2 y_train = encoder.fit_transform(x_train[['_status']])
      3 y_val = encoder.transform(x_val[['_status']])
----> 4 y_test = encoder.transform(x_test[['_status']])

File ~/sklearn/utils/_set_output.py:140, in _wrap_method_output..wrapped(self, x, *args, **kwargs)
    138 @wraps(f)
    139 def wrapped(self, x, *args, **kwargs):
--> 140     data_to_wrap = f(self, x, *args, **kwargs)
    141     if isinstance(data_to_wrap, tuple):
    142         # only wrap the first output for cross decomposition
    143         return_tuple = (
    144             _wrap_data_with_container(method, data_to_wrap[0], x, self),
    145             *data_to_wrap[1:],
    146         )

File ~/sklearn/preprocessing/_encoders.py:1016, in OneHotEncoder.transform(self, x)
   1011 # validation of x happens in _check_x called by _transform
   1012 warn_on_unknown = self.drop is not None and self.handle_unknown in {
   1013     "ignore",
   1014     "infrequent_if_exist",
   1015 }
-> 1016 x_int, x_mask = self._transform(
...
--> 199     raise ValueError(msg)
    200 else:
    201     if warn_on_unknown:

ValueError: Found unknown categories [0, 0.5] in column 0 during transform


```

### 該当のソースコード

```Python3
encoder = OneHotEncoder(sparse_output=False)
y_train = encoder.fit_transform(x_train[['status']])
y_val = encoder.transform(x_val[['status']])
y_test = encoder.transform(x_test[['status']])

```

### 試したこと

テストデータにも.fitしてみたら精度がえらいこっちゃになりました＞＜

### 追記


LSTMのテストデータの準備方法についてトラブル

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

### 実現したいこと

- [ ] transformer encoderを用いたモデルの学習を行いたい

### 前提
tensorflowを用いて, とあるモデルの学習を行おうとしています.
学習を実行しようとしたところ, 該当箇所でエラーとなっており自分なりに調べましたが解決に至りませんでした.
以下のサイトを参考に実装しています.
https://www.tensorflow.org/tutorials/text/transformer?hl=ja#%E3%82%AA%E3%83%97%E3%83%86%E3%82%A3%E3%83%9E%E3%82%A4%E3%82%B6%E3%83%BC

よろしくお願いいたします.

### 発生している問題・エラーメッセージ

```
Traceback (most recent call last):
  File "(省略)/train.py", line 85, in <module>
    optimizer = tf.keras.optimizers.Adam(learning_rate, beta_1=0.9, beta_2=0.98, epsilon=1e-9)
                ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
  File "(省略)/miniconda3/envs/test/lib/python3.11/site-packages/keras/optimizers/adam.py", line 116, in __init__
    self._learning_rate = self._build_learning_rate(learning_rate)
                          ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
  File "(省略)/miniconda3/envs/test/lib/python3.11/site-packages/keras/optimizers/optimizer.py", line 384, in _build_learning_rate
    learning_rate(self.iterations)
  File "(省略)/adam.py", line 17, in __call__
    arg1 = tf.math.rsqrt(step)
           ^^^^^^^^^^^^^^^^^^^
  File "(省略)/miniconda3/envs/test/lib/python3.11/site-packages/tensorflow/python/util/traceback_utils.py", line 153, in error_handler
    raise e.with_traceback(filtered_tb) from None
  File "(省略)/miniconda3/envs/test/lib/python3.11/site-packages/tensorflow/python/framework/ops.py", line 7262, in raise_from_not_ok_status
    raise core._status_to_exception(e) from None  # pylint: disable=protected-access
tensorflow.python.framework.errors_impl.InvalidArgumentError: Value for attr 'T' of int64 is not in the list of allowed values: bfloat16, half, float, double, complex64, complex128
        ; NodeDef: {{node Rsqrt}}; Op<name=Rsqrt; signature=x:T -> y:T; attr=T:type,allowed=[DT_BFLOAT16, DT_HALF, DT_FLOAT, DT_DOUBLE, DT_COMPLEX64, DT_COMPLEX128]> [Op:Rsqrt] name: 
```

### 該当のソースコード

```train.py
learning_rate = CustomSchedule(d_model)
print(f'learning_rate: {learning_rate}')
optimizer = tf.keras.optimizers.Adam(learning_rate, beta_1=0.9, beta_2=0.98, epsilon=1e-9)
print('optimizer is ready')
```

```adam.py
class CustomSchedule(tf.keras.optimizers.schedules.LearningRateSchedule):
  def __init__(self, d_model, warmup_steps=4000):
    super(CustomSchedule, self).__init__()

    self.d_model = d_model
    self.d_model = tf.cast(self.d_model, tf.float32)

    self.warmup_steps = warmup_steps

  def __call__(self, step):
    arg1 = tf.math.rsqrt(step)
    arg2 = step * (self.warmup_steps ** -1.5)

    return tf.math.rsqrt(self.d_model) * tf.math.minimum(arg1, arg2)
```

### 試したこと
train.pyの3行目を以下のように変更してみたところ, optimizer is readyと出力されました.
おそらくlearning_rateの部分に問題があるのではないかと考えています.
```python
optimizer = tf.keras.optimizers.Adam(0.001, beta_1=0.9, beta_2=0.98, epsilon=1e-9)
```

tensorflowのoptimizerに関するエラーを解決したい

### 実現したいこと

ここに実現したいことを箇条書きで書いてください。
- CNNで画像分類を行う

### 前提
anacondaのJupyter Notebookを使っています。
以下のプログラムを動かしたところエラーになり困っています。

以前動作確認の為に参考書からコピペした似たようなのプログラム(以前正常に動いていた)も同じエラーになりました。

正常に動いていた時期からエラーがでるまでにしたことは
・opencvをインストールして、画像サイズを変更したこと
だけです。
vscodeなど他のプログラム系は一切使っていません

### 発生している問題・エラーメッセージ

```
エラーメッセージ
ModuleNotFoundError                       Traceback (most recent call last)
Cell In[1], line 2
      1 # coding:utf-8
----> 2 import keras
      3 from keras.utils import to_categorical
      4 from keras.models import Sequential

File ~\anaconda3\Lib\site-packages\keras\__init__.py:3
      1 """AUTOGENERATED. DO NOT EDIT."""
----> 3 from keras import __internal__
      4 from keras import activations
      5 from keras import applications

File ~\anaconda3\Lib\site-packages\keras\__internal__\__init__.py:3
      1 """AUTOGENERATED. DO NOT EDIT."""
----> 3 from keras.__internal__ import backend
      4 from keras.__internal__ import layers
      5 from keras.__internal__ import losses

File ~\anaconda3\Lib\site-packages\keras\__internal__\backend\__init__.py:3
      1 """AUTOGENERATED. DO NOT EDIT."""
----> 3 from keras.src.backend import _initialize_variables as initialize_variables
      4 from keras.src.backend import track_variable

File ~\anaconda3\Lib\site-packages\keras\src\__init__.py:21
     15 """Implementation of the Keras API, the high-level API of TensorFlow.
     16 
     17 Detailed documentation and user guides are available at
     18 [keras.io](https://keras.io).
     19 """
     20 from keras.src import distribute
---> 21 from keras.src import models
     22 from keras.src.engine.input_layer import Input
     23 from keras.src.engine.sequential import Sequential

File ~\anaconda3\Lib\site-packages\keras\src\models\__init__.py:18
      1 # Copyright 2022 The TensorFlow Authors. All Rights Reserved.
      2 #
      3 # Licensed under the Apache License, Version 2.0 (the "License");
   (...)
     13 # limitations under the License.
     14 # ==============================================================================
     15 """Keras models API."""
---> 18 from keras.src.engine.functional import Functional
     19 from keras.src.engine.sequential import Sequential
     20 from keras.src.engine.training import Model

File ~\anaconda3\Lib\site-packages\keras\src\engine\functional.py:23
     20 import itertools
     21 import warnings
---> 23 import tensorflow.compat.v2 as tf
     25 from keras.src import backend
     26 from keras.src.dtensor import layout_map as layout_map_lib

File ~\anaconda3\Lib\site-packages\tensorflow\__init__.py:46
     43 from tensorflow.python import tf2 as _tf2
     44 _tf2.enable()
---> 46 from ._api.v2 import __internal__
     47 from ._api.v2 import __operators__
     48 from ._api.v2 import audio

File ~\anaconda3\Lib\site-packages\tensorflow\_api\v2\__internal__\__init__.py:13
     11 from . import distribute
     12 from . import eager_context
---> 13 from . import feature_column
     14 from . import function
     15 from . import graph_util

File ~\anaconda3\Lib\site-packages\tensorflow\_api\v2\__internal__\feature_column\__init__.py:12
     10 from tensorflow.python.feature_column.feature_column_v2 import SequenceDenseColumn
     11 from tensorflow.python.feature_column.feature_column_v2 import _StateManagerImpl as StateManager
---> 12 from tensorflow.python.feature_column.feature_column_v2_types import FeatureColumn
     13 from tensorflow.python.feature_column.serialization import deserialize_feature_column
     14 from tensorflow.python.feature_column.serialization import serialize_feature_column

ModuleNotFoundError: No module named 'tensorflow.python.feature_column.feature_column_v2_types'

```

### 該当のソースコード

```python
ソースコード
# coding:utf-8
import keras
from keras.utils import to_categorical
from keras.models import Sequential
from keras.layers import Conv2D, MaxPooling2D
from keras.layers import Dense, Dropout, Activation, Flatten
import numpy as np
from sklearn.model_selection import train_test_split
from PIL import Image
import glob

folder = ["1","2"]
image_size = 50
num_class = 2
X = []
Y = []
for index, name in enumerate(folder):
    dir = "./" + name
    files = glob.glob(dir + "/*.JPG")
    for i, file in enumerate(files):
        image = Image.open(file)
        image = image.convert("RGB")
        image = image.resize((image_size, image_size))
        data = np.asarray(image)
        X.append(data)
        Y.append(index)

X = np.array(X)
Y = np.array(Y)

X = X.astype('float32')
X = X / 255.0

# 正解ラベルの形式を変換
Y = to_categorical(Y, 2)
# 学習用データとテストデータ
X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.20)
# CNNを構築
model = Sequential()

model.add(Conv2D(32, (3, 3), padding='same',input_shape=X_train.shape[1:]))#変える
model.add(Activation('relu'))
model.add(Conv2D(32, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))

model.add(Conv2D(64, (3, 3), padding='same'))
model.add(Activation('relu'))
model.add(Conv2D(64, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))

model.add(Flatten())
model.add(Dense(512))
model.add(Activation('relu'))
model.add(Dropout(0.5))
model.add(Dense(num_class))
model.add(Activation('softmax'))

# コンパイル
model.compile(loss='categorical_crossentropy',optimizer='SGD',metrics=['accuracy'])

#訓練
history = model.fit(X_train, y_train, epochs=100)#?

#訓練
#評価 & 評価結果出力
print(model.evaluate(X_test, y_test))
```

### 試したこと
import tensorflow.~
import tennsorflow.python~など

### 補足情報（FW/ツールのバージョンなど）
tensorflow                    2.13.0
keras                         2.13.1
Python 3.11.3
初めての質問なので不備があったらごめんなさい

import kerasでエラーがでる

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

### 前提・実現したいこと
手書き文字認識アプリをTensorflow.jsを用いて作ってみたのですが、うまく動かないので質問します。どなたかご教授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

```
Failed to load resouce: net::ERR_FAILED
```

### 該当のソースコード
ファイルはindex.html、script.js、lib.jsの3つのファイルで構成されています。

index.html
```html
<!DOCTYPE html>
<html lang="ja">

<head>
    <meta charset="UTF-8">
    <meta http-equiv="X-UA-Compatible" content="IE=edge">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>Tensorflow.js MNIST</title>

    <script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@1.0.0/dist/th.min.js"></script>
    <script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs-vis@1.0.2/dist/tfjs-vis.umd.min.js"></script>
    <script src="https://cdnjs.cloudflare.com/ajax/libs/signature_pad/1.5.3/signature_pad.min.js"></script>

    <script src="lib.js" type="module"></script>

    <script src="script.js" type="module"></script>

    <style type="text/css">
        .is-selected {
            background-color: blue;
            color: white;
            line-height: 1.5;
        }
    </style>
</head>



<body>
    <p id="loading-message">学習モデルの作成中です。しばらくお待ちください</p>
    <div id="main" style="display:none;">
        <canvas id="pad" width="280" height="280"></canvas>
        <div>
            <input type="button" value="認識" id="predict-button">
            <input type="button" value="リセット" id="reset-button">
        </div>
        <br />

        <table>
            <thead>
                <tr>
                    <th>#</th>
                    <th>確率</th>
                </tr>
            </thead>
            <tbody>
                <tr>
                    <th>0</th>
                    <td class="classconfidence">-</td>
                </tr>
                <tr>
                    <th>1</th>
                    <td class="classconfidence">-</td>
                </tr>
                <tr>
                    <th>2</th>
                    <td class="classconfidence">-</td>
                </tr>
                <tr>
                    <th>3</th>
                    <td class="classconfidence">-</td>
                </tr>
                <tr>
                    <th>4</th>
                    <td class="classconfidence">-</td>
                </tr>
                <tr>
                    <th>5</th>
                    <td class="classconfidence">-</td>
                </tr>
                <tr>
                    <th>6</th>
                    <td class="classconfidence">-</td>
                </tr>
                <tr>
                    <th>7</th>
                    <td class="classconfidence">-</td>
                </tr>
                <tr>
                    <th>8</th>
                    <td class="classconfidence">-</td>
                </tr>
                <tr>
                    <th>9</th>
                    <td class="classconfidence">-</td>
                </tr>
            </tbody>
        </table>
    </div>
</body>

</html>
```

script.js
```javascript
import { MnistData } from 'https://storage.googleapis.com/tfjs-tutorial/mnist_data.js';
import { showExamples, getModel, train } from './lib.js'
import { prependOnceListener } from 'cluster';

const IMAGE_WIDTH = 28;
const IMAGE_HEIGHT = 28;

async function run() {
    let signaturePad = initSignaturePad();

    const data = new MnistData();
    await data.load()
    await showExamples(data);

    let model = getModel();

    tfvis.show.modelSummary({ name: 'Model Architecture' }, model);

    await train(model, data);
    document.getElementById("loading-message").style.display = "none"
    document.getElementById("main").style.display = "block"

    document.getElementById("predict-button").onclick = function() {
        predict(model);
    }
    document.getElementById("reset-button").onclick = function() {
        reset(signaturePad);
    };
}

document.addEventListener('DOMContentLoaded', run);

function initSignaturePad() {
    let pad = document.getElementById('pad');
    return new signaturePad(pad, {
        minWidth: 5,
        maxWidth: 5,
        penColor: 'white',
        backgroundColor: 'black',
    });
}

function predict(model) {
    let ctx = document.createElement('canvas').getContent('2d');
    let pad = document.getElementById('pad');

    ctx.drawImage(pad, 0, 0, IMAGE_WIDTH, IMAGE_HEIGHT);
    let imageData = ctx.getImageData(0, 0, IMAGE_WIDTH, IMAGE_HEIGHT);

    let score = tf.tidy(() => {
        let input = tf.browser.fromPixels(imageData, 1).reshape([1, IMAGE_WIDTH, IMAGE_HEIGHT, 1]).div(tf.scalar(255));
        return model.predict(input);
    });

    let maxConfidence = score.dataSync().indexOf(Math.max.apply(null, score.dataSync()));

    let elements = document.querySelectorAll(".confidence");

    elements.forEach((el, i) => {
        el.parentNode.classList.remove('is-selected');
        if (i === maxConfidence) {
            el.parentNode.classList.add('is-selected');
        }
        el.innerText = score.dataSync()[i];
    })
}


function reset(signaturePad) {
    signaturePad.clear();
    let elements = document.querySelectorAll(".confidence");
    elements.forEach(el => {
        el.parentNode.classList.remove('is-selected');
        el.innerText = '-';
    })
}
```

lib.js
```javascript
export async function showExamples(data) {
    const surface = tfvis.visor().surface({ name: 'Input Data Examples', tab: 'Input Data' });

    const examples = data.nextTestBatch(20);
    const numExamples = examples.xs.shape[0];

    for (let i = 0; i < numExamples; i++) {
        const imageTensor = tf.tidy(() => {
            return examples.xs
                .slice([i, 0], [1, examples.xs.shape[1]])
                .reshape([28, 28, 1]);
        });
        const canvas = document.createElement('canvas');
        canvas.width = 28;
        canvas.height = 28;
        canvas.style = 'margin: 4px';
        await tf.browser.toPixels(imageTensor, canvas)
        surface.drawArea.appendChild(canvas);

        imageTensor.dispose();
    }
}


//手書き数字認識の学習モデルを定義
export function getModel() {
    const model = tf.sequential();

    const IMAGE_WIDTH = 28;
    const IMAGE_HEIGHT = 28;
    const IMAGE_CHANNELS = 1;

    model.add(tf.layers.conv2d({
        inputShape: [IMAGE_WIDTH, IMAGE_HEIGHT, IMAGE_CHANNELS],
        kernelSize: 5,
        filters: 8,
        strides: 1,
        activation: 'relu',
        kernelInitializer: 'varianceScaling'
    }));
    model.add(tf.layers.maxPooling2d({ poolSize: [2, 2], strides: [2, 2] }));
    model.add(tf.layers.conv2d({
        kernelSize: 5,
        filters: 16,
        strides: 1,
        activation: 'relu',
        kernelInitializer: 'varianceScaling'
    }));

    model.add(tf.layers.maxPooling2d({ poolSize: [2, 2], strides: [2, 2] }));

    model.add(tf.layers.maxPooling2d({ poolSize: [2, 2], strides: [2, 2] }))
    model.add(tf.layers.flatten());


    const NUM_OUTPUT_CLASSES = 10;
    model.add(tf.layers.dense({
        units: NUM_OUTPUT_CLASSES,
        kernelInitializer: 'varianceScaling',
        activation: 'softmax'
    }));

    const optimizer = tf.train.adam();
    model.compile({
        optimizer: optimizer,
        loss: 'categoricalCrossentropy',
        metrics: ['accuracy'],
    });

    return model;
}



export async function train(model, data) {
    const metrics = ['loss', 'val_loss', 'acc', 'val_acc']
    const container = {
        name: 'Model Training',
        styles: { height: '1000px' }
    };
    const fitCallbacks = tfvis.show.fitCallbacks(container, metrics);

    const BATCH_SIZE = 512;
    const TRAIN_DATA_SIZE = 5500;
    const TEST_DATA_SIZE = 1000;

    const [trainXs, trainYs] = tf.tidy(() => {
        const d = data.nextTrainBatch(TRAIN_DATA_SIZE);
        return [
            d.xs.reshape([TRAIN_DATA_SIZE, 28, 28, 1]),
            d.labels
        ];
    });

    const [textXs, testYs] = tf.tidy(() => {
        const d = data.nextTestBatch(TEST_DATA_SIZE);
        return [
            d.xs.reshape([TEST_DATA_SIZE, 28, 28, 1]),
            d.labels
        ];
    });

    return model.fit(trainXs, trainYs, {
        batchSize: BATCH_SIZE,
        validationData: [testXs, testYs],
        epochs: 10,
        shuffle: true,
        callbacks: fitCallbacks
    });
}
```

### 試したこと

.chromeのキャッシュを削除してみたが、改善されなかった。

Failed to load resource: net::ERR_FAILED　というエラーが発生して困っています。

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。