常連

### 解決したいこと

レスポンシブ対応のHPを作成しました。
ページ数が増えてきましたのでヘッダーとフッターを共通化しようと"load"を用いてインクルードしたところ
ハンバーガーメニュー動作用のscript.jsが作動しなくなってしまいました。
直接記入すると作動します。

インクルードした状態でｊｓが動くようにしたいと思っています。

### 発生している問題・エラーメッセージ
PCのchromeでデバッグした際には特にエラーは起きていません。
スマホ用メニューも問題なく動きます。

ハンバーガーメニュー動作用のscript.jsはheader部分をhtml本体内に直接記入すると作動します。

・動いているページでもリロードしたりすると動かなくなります。
・どうやらリスト要素が記載しているページ？ではjsが反応しません。スマホでメニューが開けなくなります。


### 該当のソースコード

```html
jsが動くソースコード<index.html>

<!DOCTYPE html>
<html lang="ja">
<head>
<meta charset="utf-8">
<title>豊橋弓道協会　TOP</title>
<meta name="viewport" content="width=device-width,initial-scale=1.0">
<meta name="keywords" content="hogehoge">
<meta name="description" content="hogehoge">
<link rel="stylesheet" type="text/css" href="css/style.css">
<link rel="stylesheet" href="https://use.fontawesome.com/releases/v5.8.1/css/all.css" integrity="sha384-50oBUHEmvpQ+1lW4y57PTFmhCaXp0ML5d60M1M7uH2+nqUivzIebhndOJK28anvf" crossorigin="anonymous">
<style type="text/css">
</style>
<link rel="icon" href="images/favicon.ico">
 <script src="https://ajax.googleapis.com/ajax/libs/jquery/3.2.1/jquery.min.js"></script>
<script src="js/jquery.js"></script> 
<script src="js/script.js"></script>
<script src="js/jquery.smoothscroll.js"></script>
<script src="js/jquery.scrollshow.js"></script>
<script src="js/jquery.slideshow.js"></script>
<script>
$(function($){
	$('html').smoothscroll({easing : 'swing', speed : 1000, margintop : 50, headerfix : $('header'), outersmooth : true});
	$('.totop').scrollshow({position : 500});
	$('.slide').slideshow({
		touch        : false,
		bgImage      : false,
		autoSlide    : true,
		effect       : 'fade',
		repeat       : true,
		easing       : 'swing',
		interval     : 5000,
		duration     : 1000,
		imgHoverStop : false,
		navHoverStop : false,
		navImg       : false,
		navImgCustom : false,
		navImgSuffix : ''
	});
});
</script>

</head>
<body>


<header>
	<div class="inner">
		<h1><a href="index.html"><img src="images/logo.png" alt="hoge" width="140" height="30"></a></h1>
		<div class="spMenuWrap">
			<div id="spMenu"><span id="navBtn"><span id="navBtnIcon"></span></span></div>
		</div>
		<nav class="gnav">
			<ul>
				<li><a href="index.html">ホーム</a></li>
								
				<li class="subnav"><a href="plan.html">plan</a>
					<ul>
					<li><a href="plan.html#plan">plana</a></li>
					<li><a href="allinformation.html">allinfo</a></li>	
					<li><a href="plan.html#mschedule">monthly</a></li>
					</ul>
				</li>
				<li class="subnav"><a href="kyoushitsu.html">beginner</a>
					<ul>
					<li><a href="kyoushitsu.html">beginnerへ</a>					
					<li class="subnav"><a href="kyoushitsu.html">class</a>		
							<ul>
							<li><a href="kyoushitsu.html#zenki">前期</a></li>
							<li><a href="kyoushitsu.html#hiru">一般</a></li>
							<li><a href="kyoushitsu.html#kouki">後期</a></li>
							</ul>				
					<li><a href="file/Registration.pdf" target="_blank" rel="noopener noreferrer">入会届</a>		
					<li><a href="file/Menbership.pdf" target="_blank" rel="noopener noreferrer">会費一覧表</a></li>
					</ul>	
					
				<li class="subnav"><a href="./access.html">案内</a>
					<ul>
						<li><a href="./access.html">地図・料金</a></li>
						<li><a href="plan.html#wschedule">利用予定</a></li>
					</ul>
				</li>
				
				
				<li><a href="qanda.html">よくある質問</a></li>				
				<li><a href="contact.html" target="_blank" rel="noopener noreferrer">お問い合わせ</a></li>
			</ul>		
		</nav>
	</div>
</header>



<div class="slide">
	<ul class="slideInner">
		<li><img src="images/A.jpg" alt="A"></li>
		<li><img src="images/B.jpg" alt="B"></li>
		<li><img src="images/C.jpg" alt="C"></li>
		<li><img src="images/D.jpg" alt="D"></li>
		<li><img src="images/E.jpg" alt="E"></li>
	</ul>
</div>


<article>

<div id="contents">
<section>
　　　
	<h2>INFORMATION<br><span>お知らせ</span></h2>
　　　	
	<h3><span class="highblinking"><strong>新型コロナウイルス感染拡大防止対応について</strong></span><br>
	Aも<strong>令和２年４月１４日（火）～令和２年５月７日（木）</strong>まで閉鎖されます。<br>
	前期教室の<span class="blinking"><strong>”中止”</strong></span>も決定しております</strong></h3>

<section>
<div>
<dl class="information">

<script>
$(function() {
	$.ajax({
		url: './allinformation.html', ////読み込むファイルを指定
		cache: false, //キャッシュを保存するかの指定
		success: function(html){
			//データ取得後に実行する処理
			$(html).find('#info_block').each(function(){　//読み込みたい部分の指定　※今回は#info_blockの中身のulから読み込まれる
				$('#info').html($(this).html()); //読み込んだ外部HTMLを表示する領域を指定
				return false;
			});
			$('dl dt:gt(5)').remove(); //gt(4)=> 0からカウント、6より大きな7件目以降の dt を削除
			$('dl dd:gt(5)').remove(); //7件目以降の dd を削除
		}
	});
});
</script>
<div id="info"></div>
</dl>
</div>		
</section>		
		
		<div class="btn right"><a href="allinformation.html">お知らせ一覧はこちら</a></div>
</section>


<section>
	<h2>始めたい方・再開したい方へ<br><span>教室情報</span></h2><br>
	<div class="threeCol">
		<div class="inner">
			<a href="kyoushitsu.html#zenki">
				<div class="image zoom overlay"><img src="images/kyoshitsu01.jpg" alt=""></div>
				<div class="text">前期教室</div>
			</a>
			
<h4>前期教室のご案内</h4>
			<p>4月募集開始、5月開講の初心者向け・中学2年生以上対象の教室です。<br>※18:30-20:30開催となります。</p>
			<div class="btn"><a href="kyoushitsu.html#zenki">詳しく見る</a></div>
		</div>

</section>

</div>
</article>

<h2><span>シェア・拡散お願いします</span></h2>
  <ul class="shareList9">
  <li class="shareList9__item"><a class="shareList9__link icon-twitter" href="https://twitter.com/intent/tweet?url=http://www.-&text=のホームページです。よろしくお願いいたします。" target="_blank" title="Twitter"><i class="fab fa-twitter"></i></a></li>
  <li class="shareList9__item"><a class="shareList9__link icon-facebook" href="https://www.facebook.com/sharer.php?src=bm&u=http://www.-&text=ホームページです。よろしくお願いいたします。" target="_blank" title="Facebook"><i class="fab fa-facebook"></i></a></li>
  <li class="shareList9__item"><a class="shareList9__link icon-line" href="https://social-plugins.line.me/lineit/share?url=http%3a%2f%2fwww%" target="_blank" title="　LINE　"><i class="fab fa-line"></i></a></li>
</ul>


<script type="text/javascript">
        $(function(){$("#footer").load("./footer.html");
        })
    </script>

<div id="footer"></div>


   
<div class="totop"><a href="#"><img src="images/totop.png" alt="ページのトップへ戻る"></a></div>
</body>
</html>
```

```html
jsが動かないソースコード<allinfornmation.html>
<!DOCTYPE html>
省略
<script src="js/jquery.scrollshow.js"></script>
<script>
$(function($){
	$('html').smoothscroll({easing : 'swing', speed : 1000, margintop : 50, headerfix : $('header'), outersmooth : true});
	$('.totop').scrollshow({position : 500});
	});
</script>

</head>
<body>

<script type="text/javascript">
        $(function(){
            $("#cheader").load("./header.html");
         })
</script>  
<header>
<div id="cheader"></div>
</header>


<div id="contents">
<h2>INFORMATION<br><span>お知らせ一覧</span></h2>
<div id="info_block">
<dl class="allinformation">

	<dt>2019/5/11</dt>
		<dd>
		中略	ホームページを新規に公開しました。
		</dd>
	</dl> 	
</div>
</div>


<
```

```js
jsの中身<script.js>

$(function($){
	var timer = false;
	var windowWidth = window.innerWidth || document.documentElement.clientWidth || 0;
	var nowWidth;

	// 読み込み時処理
	$(window).on('load', function(){
		spMenu();
		subNav();
		innerLink();
	});

	// リサイズ時処理
	$(window).on('resize', function(){
		if (timer !== false) {
			clearTimeout(timer);
		}
		timer = setTimeout(function() {
			nowWidth = window.innerWidth || document.documentElement.clientWidth || 0;
			if ( windowWidth != nowWidth ) {
				subNav();
				windowWidth = window.innerWidth || document.documentElement.clientWidth || 0;
			}
		}, 200);
	});

	// メニューボタンの表示（
	function spMenu() {
		$('#spMenu').on('click', function(e) {
			$('.gnav').slideToggle(e);
			$('#navBtnIcon').toggleClass('close');
			$('html, body').toggleClass('lock');
		});
	}

	// サブメニューの表示
	function subNav() {
		if ($('#spMenu').css('display') == 'block') {
			$('.subnav > a').off().on('click', function(e) {
				e.preventDefault();
				$(this).next('ul').slideToggle();
				$(this).parent().toggleClass('active');
			});
		} else {
			if('ontouchstart' in document) {
				$('.subnav > a').off().on('click', function(e) {
					e.preventDefault();
				});
			}
		}
	}

	// 内部リンク時のメニュー閉じ
	function innerLink() {
		if ($('#spMenu').css('display') == 'block') {
			$('.gnav a[href^="#"]').on('click', function(e) {
				$('.gnav').slideToggle(e);
				$('#navBtnIcon').toggleClass('close');
				$('html, body').toggleClass('lock');
			});
		}
	}
});

```


### 試したこと

$(function(){
    $("#header").load("header.html", function() {
    	$.getScript("./js/script.js", function(){});        	
    });
});

を記載しても動きませんでした・・・

### 補足情報（FW/ツールのバージョンなど）

PCでは問題なしスマホ、android/ipadで動作不良
ipad（Safali）の方が動かない可能性が高い

外部htmlで共通化した部分にjsが適用されない、動かない

4つの説明変数による、一つの目的変数をシンプルなニューラルネットワークによって回帰モデルを生成しようとしています。
Datasetは、Combined Cycle Power Plant Data Set
https://archive.ics.uci.edu/ml/datasets/combined+cycle+power+plant
10000 datapoint
を利用し、試しています。

tensor-gpuを使用していますが、CPUとGPUの使用度が20-30パーセント程度で推移し、
CPUは14コアが平均的に使用されています。

このような回帰問題において、多くのコアを持つCPUやGPUを高速化に生かすことは、難しいのでしょうか？

```Python
Keras: net model
model = Sequential()
model.add(Dense(64, input_dim=input_features, activation='relu'))
model.add(BatchNormalization())
model.add(Dense(128, activation='relu'))
model.add(BatchNormalization())
model.add(Dense(128, activation='relu'))
model.add(BatchNormalization())
model.add(Dense(128, activation='relu'))
model.add(BatchNormalization())
model.add(Dense(128, activation='relu'))
model.add(BatchNormalization())
model.add(Dense(64, input_dim=input_features, activation='relu'))
model.add(BatchNormalization())
model.add(Dense(1, activation='linear'))
model.compile(loss='mae', optimizer='adam')

```
**EDIT1:Hardware info**
CPU:i9-9940X
GPU:NVIDIA GeForce RTX2080
Memory:32 GB
OS:Windows

**EDIT2:Cpu**
![イメージ説明](c1092ea491965cdf49e2429008e99b58.jpeg)

ディープラーニング:回帰問題とハードウェア

### やりたいこと
```typescript
// arrayからhtmlを作りたい
const array = ['The', 'quick', 'brown', 'fox']
const html = `<span onClick={handleClick}>The</span> <span onClick={handleClick}>quick</span> <span onClick={handleClick}>brown</span> <span onClick={handleClick}>fox</span>`
// handleClickは、clic時に該当spanのテキストを取得する関数
```

### 困っていること
- `array.map()`でどのように`handleClick`を書けばいいかわからない
- `handleClick`をどう書けばspanのテキストが取得できるかわからない

### 現状のコード
```
const handleWordClick = (event: React.MouseEvent) =>
  console.log((event.target as HTMLSpanElement).innerHTML);


  const texthtml = textArray
    .map(
      (w, i) =>
        `<span key=${i} onClick="${handleWordClick}">
        ${w}
      </span>`,
    )
    .join(' ');


```

### 試したこと
- `this.handleWordClick`と記述
- map()の外で
```
<span onClick={event => console.log(event.currentTarget.textContent)}>
```
で書くとやりたいことができる（mapの中でやりたい)

どう書けば目的とする挙動が得られるか知りたいです

map()で配列の各要素にonClickを設定したい

以下のようなanimationで意図としては5秒後から15秒(5-15で10s)にかけてopacityを0から1に近づけたいのですが実際には、0秒の時点からanimationがstartしてしまいます。[リファレンスガイド](https://developer.mozilla.org/ja/docs/Web/CSS/animation)にはanimation-durationの指定時間数がanimationの実行される時間（今回なら10s）でanimation-delayが開始時間(今回なら5s)と読めるのですが、間違いがあるのでしょうか？またはベンダープレフィックスの問題でしょうか？現状chromeで確認しています。

よろしくお願い申し上げます。

```css
.hoge{
  animation: fadeIn 10s ease 5s normal;
  -webkit-animation: fadeIn 10s ease 5s normal;
}

@keyframes fadeIn {
    0% {opacity: 0}
    100% {opacity: 1}
}
@-webkit-keyframes fadeIn {
    50% {opacity: 0}
    100% {opacity: 1}
}
```

animation-delayが効かない

##実現したいこと

webpackでの制作環境を作っていまして、**pug.scss.js*は問題なく動作するのですが
　imgフォルダの画像がどうしてもページに表示されません。どうしてでしょうか？

### 構造

```tree
├── dist
│   ├── bundle.js
│   ├── index.html
│   └── src
│       └── assets
├── package-lock.json
├── package.json
├── src
│   ├── assets
│   │   ├── img
|   |   |     ├── image.png
│   │   └── scss
│   ├── index.js
│   ├── index.pug
│   └── pug
│       ├── _footer.pug
│       ├── _header.pug
│       ├── _template.pug
└── webpack.config.js
```

```indexpug
extends ./pug/_template.pug

block append var
block main
  p.
    test
  img.test(src="./assets/img/image.png" alt="hoge")
  img(src=`${assets_dir}img/image.png` alt="hoge")

```
```webpackconfig
const path = require('path');
const CleanWebpackPlugin = require('clean-webpack-plugin');
const HtmlWebpackPlugin = require('html-webpack-plugin');
const MiniCssExtractPlugin = require('mini-css-extract-plugin');
const TerserPlugin = require('terser-webpack-plugin');
const OptimizeCssAssetsPlugin = require('optimize-css-assets-webpack-plugin');

module.exports = ( env, argv ) => ({
  entry: './src/index.js',
  output: {
    filename: 'bundle.js',
    path: path.resolve(__dirname, 'dist')
  },

  // 最適化オプションを上書き
  optimization: {
    minimizer: [
      new TerserPlugin({}),
      new OptimizeCssAssetsPlugin({})
    ]
  },

  devtool: 'inline-source-map',

  //サーバーの設定 npm run start:dev
  devServer: {
    contentBase: path.resolve(__dirname, 'dist'),
    // watchContentBase: true,
    compress: true,
    port: 8000,
    open: true,
  },

  module: {
    rules: [
      // pug-loaderの設定
      {
        test: /.pug$/,
        use: ['pug-loader']
      },

      // babel-loaderの設定
      {
        test: /.js$/,
        use: [
          {
            loader: 'babel-loader',
            options: {
              presets: ['@babel/preset-env']
            }
          }
        ],
        exclude: /node_modules/,
      },

      // css/sass-loaderの設定
      {
        test: /.(sa|sc|c)ss$/,
        use: [
          MiniCssExtractPlugin.loader,
          {
            loader: 'css-loader',
            options: {
              url: false
            }
          },
          'sass-loader'
        ]
      },

      // imgの設定
      {
        test: /.(png|svg|jpg|gif)/,
        use: [
          'file-loader',
        ]
      },
    ]
  },

  plugins: [
    new CleanWebpackPlugin(
      ['dist'],
      {
        // 除外するファイルやディレクトリを指定
        exclude: ['img']
      }
    ),
    new MiniCssExtractPlugin({
      filename: './src/assets/style.css'
    }),
    new HtmlWebpackPlugin({
      template: './src/index.pug'
    })
  ]
});

```
```packkagejson
{
  "name": "myproject",
  "version": "1.0.0",
  "description": "",
  "private": true,
  "scripts": {
    "build": "webpack --mode=production",
    "build:dev": "webpack --mode=development --watch",
    "start:dev": "webpack-dev-server --mode=development"
  },
  "keywords": [],
  "author": "",
  "license": "ISC",
  "devDependencies": {
    "@babel/core": "^7.2.2",
    "@babel/preset-env": "^7.3.1",
    "babel-loader": "^8.0.5",
    "clean-webpack-plugin": "^1.0.1",
    "css-loader": "^2.1.0",
    "file-loader": "^4.2.0",
    "html-webpack-plugin": "^3.2.0",
    "mini-css-extract-plugin": "^0.5.0",
    "node-sass": "^4.11.0",
    "optimize-css-assets-webpack-plugin": "^5.0.3",
    "pug": "^2.0.3",
    "pug-loader": "^2.4.0",
    "sass-loader": "^7.1.0",
    "terser-webpack-plugin": "^1.4.1",
    "url-loader": "^2.1.0",
    "webpack": "^4.29.0",
    "webpack-cli": "^3.2.1",
    "webpack-dev-server": "^3.8.0"
  }
}

```

### 試したこと
画像以外の参考差分はその都度変更がかかるのですが、画像フォルダのみ色々試したのですが
表示されずにbuild後もdistフォルダにも生成されずに迷っております。

フロントエンドのwebpack環境構築【画像が表示されない】

下記モデルにy=xwという単純な行列の積を加えたい
Xはmodel.add(Dense(50))から出てくるbatch*50*59をwには59*59の定数を入れたいしかし

model = Sequential()#cov1dの場合は
    
model.add(Activation(Act))
model.add(Dense(50))#
ここに加えたい
model.add(Activation(Act))
model.add(Dense(2))#
model.add(Activation(Act))
model.add(Lambda(sum1))

kerasのモデルに単純な行列式を加えたい

Mac 上で `rails server` で起動した Rails アプリケーションから、Conoha のメールサーバを用いて、ユーザ登録メールを送信しようとしています。
おそらく、`config/development.rb` の記述誤りによりメール送信ができていないと思うのですが、ログのスタックトレースに問題が出力されないため、具体的にどこを修正すればよいかわかりません。

`config/development.rb` のどこに記述誤りがあるか、どのように調査すればよいでしょうか。

メール送信に失敗する原因の調査方法を知りたい

### 困っていること
Ruby on Railsのプロジェクト上で、Vue.jsとBootstrap-vueを導入しています。
vue.jsのコンポーネント上でBootstrap-vueの「Tabs」を使用したところ、タブが表示されません。
Bootstrap-vueのボタンなどは正常に使用できるため、bootstrap-vue自体のインポートには成功しているようです。

### 実現したいこと
タブが正常に表示されるようにしたいです。何か解決法をご存じされば、ご教示いただけると助かります。

### 環境
・Ruby on Rails v5.2.3
・Vue.js @2.6.10
・Bootstrap-vue @2.0.0-rc.28

### 実際の画面
本来であれば、「I'm the first tab」の上に、"First","Second","Disabled"のタブが表示されるはずです。
![イメージ説明](3da0c050a62447e78d78b64b6520a7b7.png)

### コード
View(html)ファイル　　：tabtest.html.erb
※tab-test.js(vue.jsファイル)を呼び出している
```html
<h1>TabTest</h1>
<div id="tab-test"></div>
<%= javascript_pack_tag 'tab-test.js' %>

```

vue.jsファイル　　　　 ：tab-test.js
※tabtest.vue(コンポーネントファイル)をインポートし、htmlの#tab-testに割り当てている。
```js
import Vue from 'vue/dist/vue.esm';

import TabTest from './components/tabtest.vue'

import BootstrapVue from 'bootstrap-vue'
import 'bootstrap/dist/css/bootstrap.css'
import 'bootstrap-vue/dist/bootstrap-vue.css'
Vue.use(BootstrapVue);

new Vue({
  el: "#tab-test",
  components: { TabTest },
  template: '<tab-test></tab-test>',
})

```
コンポーネントファイル：tabtest.vue
Bootstrap-vueの「Tabs」を使用。
（bootstrap-vueの動作確認用として配置したb-buttonは正常に動作している）
```vue
<template>
  <div>
    <b-tabs>
      <b-tab title="First" active><p>I'm the first tab</p></b-tab>
      <b-tab title="Second"><p>I'm the second tab</p></b-tab>
      <b-tab title="Disabled" disabled><p>I'm a disabled tab!</p></b-tab>
    </b-tabs>

    <b-button>Button</b-button>
  </div>
</template>

```


### コードの参考にした資料
Bootstrap-vueの公式ページ(https://bootstrap-vue.js.org/docs/components/tabs)

### やったこと
ネット上で同現象を調べたのですが、同現象が発生している事例・解決法ともに見つけることができませんでした。

Bootstrap-vueのTabs(b-tabs)を使用した場合、タブが表示されない

最近、Deep Learningの勉強を始めた、プログラミング初心者です。

この[記事](https://qiita.com/gacky01/items/50f26f245c85e325d782)のコードを試そうと思い、
コピー&ペーストしたのはいいのですが、

**lueError: Layer decoder_Dense expects 1 inputs, but it received 3 input tensors. Input received: [<tf.Tensor 'decoder_LSTM_35/transpose_2:0' shape=(?, ?, 800) dtype=float32>, <tf.Tensor 'decoder_LSTM_35/while/Exit_3:0' shape=(?, 800) dtype=float32>, <tf.Tensor 'decoder_LSTM_35/while/Exit_4:0' shape=(?, 800) dtype=float32>]**

と、エラーが出てしまいます。

解決策をよければ教えてください。本当にお願いします。

文章が下手で申し訳ありません。

ソースコードは下記の通りです。import部分と、データの読み込みの部分は省略させて頂きます。

```
def __init__(self,maxlen_e,maxlen_d,n_hidden,input_dim,vec_dim,output_dim):
        self.maxlen_e=maxlen_e
        self.maxlen_d=maxlen_d
        self.n_hidden=n_hidden
        self.input_dim=input_dim
        self.vec_dim=vec_dim
        self.output_dim=output_dim

    def create_model(self):
        print('#2')
#エンコーダー
        encoder_input = Input(shape=(self.maxlen_e,), dtype='int16', name='encoder_input')
        e_i = Embedding(output_dim=self.vec_dim, input_dim=self.input_dim, #input_length=self.maxlen_e,
                        mask_zero=True, 
                        embeddings_initializer=uniform(seed=20170719))(encoder_input)
        e_i=BatchNormalization(axis=-1)(e_i)
        e_i=Masking(mask_value=0.0)(e_i)
        encoder_outputs, state_h, state_c =LSTM(self.n_hidden,name='encoder_LSTM',return_state=True,kernel_initializer=glorot_uniform(seed=20170719), 
                                                recurrent_initializer=orthogonal(gain=1.0, seed=20170719),
                                                dropout=0.5, recurrent_dropout=0.5
                                                )(e_i)
                                                
        encoder_states = [state_h, state_c]
        
        encoder_model = Model(inputs=encoder_input, outputs=[encoder_outputs,state_h,state_c])
   


        #レイヤ定義
        decoder_LSTM = LSTM(self.n_hidden, name='decoder_LSTM',
                            return_sequences=True, return_state=True,
                            kernel_initializer=glorot_uniform(seed=20170719), recurrent_initializer=orthogonal(gain=1.0, seed=20170719),dropout=0.5, recurrent_dropout=0.5)  
        
        
        decoder_Dense = Dense(self.output_dim,activation='softmax', name='decoder_Dense',kernel_initializer=glorot_uniform(seed=20170719))         
#入力
        
        decoder_inputs = Input(shape=(self.maxlen_d,), dtype='int16', name='decoder_inputs')        
        d_i = Embedding(output_dim=self.vec_dim, input_dim=self.input_dim,input_length=self.maxlen_d,mask_zero=True,embeddings_initializer=uniform(seed=20170719))(decoder_inputs)
#LSTM
        d_outputs, _, _  =decoder_LSTM(d_i,initial_state=encoder_states)          

        decoder_outputs = decoder_Dense(d_outputs)
        model = Model(inputs=[encoder_input, decoder_inputs], outputs=decoder_outputs)
        model.compile(loss="categorical_crossentropy",optimizer="Adam", metrics=['categorical_accuracy'])

        decoder_state_input_h = Input(shape=(self.n_hidden,),name='input_h')
        decoder_state_input_c = Input(shape=(self.n_hidden,),name='input_c')
        decoder_states_inputs = [decoder_state_input_h, decoder_state_input_c]
#LSTM
        decoder_lstm,state_h, state_c  =decoder_LSTM(d_input,
                                                     initial_state=decoder_states_inputs),decoder_LSTM(d_input,initial_state=decoder_states_inputs),decoder_LSTM(d_input,initial_state=decoder_states_inputs)
        decoder_states = [state_h,state_c]
        decoder_res = decoder_Dense(decoder_lstm)        
        decoder_model = Model(
        [decoder_inputs] + decoder_states_inputs,
        [decoder_res] + decoder_states)           

        return model ,encoder_model ,decoder_model   

    def eval_perplexity(self,model,e_test,d_test,t_test,batch_size) :
        row=e_test.shape[0]
        list_loss=[]

        s_time = time.time()
        n_batch = math.ceil(row/batch_size)

        n_loss=0
        sum_loss=0.
        for i in range(0,n_batch) :

            s = i*batch_size
            e = min([(i+1) * batch_size,row])
            e_on_batch = e_test[s:e,:]
            d_on_batch = d_test[s:e,:]
            t_on_batch = t_test[s:e,:]
            t_on_batch = np_utils.to_categorical(t_on_batch,self.output_dim)

            mask1 = np.zeros((e-s,self.maxlen_d,self.output_dim),dtype=np.float32)
            for j in range(0,e-s) :
                n_dim = maxlen_d-list(d_on_batch[j,:]).count(0.)
                mask1[j,0:n_dim,:]=1  
                n_loss += n_dim

            mask2 = mask1.reshape(1,(e-s)*self.maxlen_d*self.output_dim)

            y_predict1 = model.predict_on_batch([e_on_batch, d_on_batch])
            y_predict2 = np.maximum(y_predict1,1e-7)
            y_predict2 = -np.log(y_predict2)
            y_predict3 = y_predict2.reshape(1,(e-s)*self.maxlen_d*self.output_dim)

            target=t_on_batch.reshape(1,(e-s)*self.maxlen_d*self.output_dim)
            target1=target*mask2
            #category_crossentropy計算
            loss=np.dot(y_predict3,target.T)
            sum_loss += loss[0,0]
            #perplexity計算
            perplexity=pow(math.e, sum_loss/n_loss)
            elapsed_time = time.time() - s_time
            sys.stdout.write("\r"+str(e)+"/"+str(row)+" "+str(int(elapsed_time))+"s "+"\t"+"{0:.4f}".format(perplexity)+"                 ")   
            sys.stdout.flush()
            gc.collect()
            return perplexity

#train_on_batchメイン処理

    def on_batch(self,model,j,e_train,d_train,t_train,e_val,d_val,t_val,batch_size) :
#損失関数、評価関数の平均計算用リスト
        list_loss =[]
        list_accuracy=[]
        s_time = time.time()
        row=e_train.shape[0]
        n_batch = math.ceil(row/batch_size)
        for i in range(0,n_batch) :
            s = i*batch_size
            e = min([(i+1) * batch_size,row])
            e_on_batch = e_train[s:e,:]
            d_on_batch = d_train[s:e,:]
            t_on_batch = t_train[s:e,:]
            t_on_batch = np_utils.to_categorical(t_on_batch,self.output_dim)
            result = model.train_on_batch([e_on_batch, d_on_batch],t_on_batch)
            list_loss.append(result[0])
            list_accuracy.append(result[1])
            #perplexity=pow(math.e, np.average(list_loss))
            elapsed_time = time.time() - s_time
            sys.stdout.write("\r"+str(e)+"/"+str(row)+" "+str(int(elapsed_time))+"s "+"\t"+"{0:.4f}".format(np.average(list_loss))+"\t"+"{0:.4f}".format(np.average(list_accuracy)))   
            sys.stdout.flush()
            

#perplexity評価
        print()
        val_perplexity = self.eval_perplexity(model,e_val,d_val,t_val,batch_size)
        
        return val_perplexity

#学習
    def train(self, e_input, d_input,target,batch_size,epochs, emb_param) :

        model, _, _ = self.create_model() 
        if os.path.isfile(emb_param) :
            model.load_weights(emb_param)   
        e_i = e_input
        d_i = d_input
        t_l = target
        z = list(zip(e_i,d_i,t_l))
        nr.shuffle(z)
        e_i,d_i,t_l = list(zip(*z)),list(zip(*z)),list(zip(*z))

        e_i = np.array(e_i).reshape(len(e_i),self.maxlen_e)
        d_i = np.array(d_i).reshape(len(d_i),self.maxlen_d)
        t_l = np.array(t_l).reshape(len(t_l),self.maxlen_d)

        n_split = int(e_i.shape[0]*0.9)          
        e_train,e_val=np.vsplit(e_i,[n_split]) 
        d_train,d_val=np.vsplit(d_i,[n_split])   
        t_train,t_val=np.vsplit(t_l,[n_split])   
        print(e_train.shape)
        row = e_input.shape[0]
        loss_bk = 10000
        for j in range(0,epochs) :
            print("Epoch ",j+1,"/",epochs)            
            val_perplexity = self.on_batch(model,j,e_train,d_train,t_train,e_val,d_val,t_val,batch_size)

        return model            

#応答文生成    
　　def response(self,e_input,length) :
        encoder_outputs, state_h, state_c = encoder_model.predict(e_input),encoder_model.predict(e_input),encoder_model.predict(e
        states_value=[state_h, state_c]
        target_seq = np.zeros((1,1))
       
        target_seq[0,  0] = word_indices['SSSS']

        decoded_sentence = ''
        for i in range(0,length) :
            output_tokens, h, c = decoder_model.predict([target_seq]+ states_value),decoder_model.predict([target_seq]+ states_value),decoder_model.predict([target_seq]+ states_value)

            sampled_token_index = np.argmax(output_tokens[0, 0, :])
            sampled_char = indices_word[sampled_token_index]

            
            if sampled_char == 'SSSS' :
                break
            decoded_sentence += sampled_char    
           
            if i==length-1:
                break
            target_seq[0,0] = sampled_token_index 
            # Update states
            states_value = [h, c]

        return decoded_sentence         
vec_dim = 400
epochs = 10
batch_size = 100
input_dim = len(words)
output_dim = input_dim
n_hidden = int(vec_dim*2 )

prediction = Dialog(maxlen_e,maxlen_d,n_hidden,input_dim,vec_dim,output_dim)
emb_param = 'param_seq2seq.hdf5'
row = e_train.shape[0]
e_train = e_train.reshape(row,maxlen_e)
d_train = d_train.reshape(row,maxlen_d)
t_train = t_train.reshape(row,maxlen_d)
model = prediction.train(e_train, d_train,t_train,batch_size,epochs,emb_param)
plot_model(model, show_shapes=True,to_file='seq2seq01.png') #ネットワーク図出力
model.save_weights(emb_param)

row2 = e_test.shape[0]
e_test = e_test.reshape(row2,maxlen_e)
d_test = d_test.reshape(row2,maxlen_d)
t_test=t_test.reshape(row2,maxlen_d)
print()
perplexity = prediction.eval_perplexity(model,e_test,d_test,t_test,batch_size) 
print('Perplexity=',perplexity))
```