클래스 내부 매서드 정의 시 주의사항

📍 문제상황

class Regression():  

    def init_network(self):
        with open(r"sample_weight.pkl", 'rb') as f:
            network = pickle.load(f)
        return network
        
	def predict(self, x):
        W1, W2, W3 = network['W1'], network['W2'], network['W3']
        b1, b2, b3 = network['b1'], network['b2'], network['b3']

        a1 = np.dot(x, W1) + b1
        z1 = self.sigmoid(a1)
        a2 = np.dot(z1, W2) + b2
        z2 = self.sigmoid(a2)
        a3 = np.dot(z2, W3) + b3
        y = self.softmax(a3)
        
        return y
        
    def regression(self, batch_size:int):
        x, t = self.get_data()
        network = self.init_network()
        accuracy_cnt = 0
        
        for i in range(0, len(x), batch_size):
            x_batch = x[i:i+batch_size]
            y_batch = self.predict(x_batch)
            p= np.argmax(y_batch, axis = 1) # 확률이 가장 높은 원소의 인덱스를 얻는다.
            accuracy_cnt += np.sum(p == t[i:i+batch_size])

        print("Accuracy : " + str(float(accuracy_cnt) / len(x)))

에서 매서드 regression을 실행

⚠️ 오류

line 33, in predict
    W1, W2, W3 = network['W1'], network['W2'], network['W3']
                 ^^^^^^^
NameError: name 'network' is not defined

self.predict를 실행하기 전에 network을 정의했는데 왜 정의되지 않았다고 할까?

🤔 원인

regression에서 self.predict를 호출했을 때

• predict 매서드를 끌고 내려옴 (X)

• predict 가 정의된 line으로 거슬러 올라감 (O)
  → regression 내부에서 정의한 network = self.init_network()을 사용할 수 없음

✅ 해결

1. predict 매서드 내에서 network 정의

⋯ (중략) ⋯

def predict(self, x):
        network = self.init_network()
        W1, W2, W3 = network['W1'], network['W2'], network['W3']
        b1, b2, b3 = network['b1'], network['b2'], network['b3']

        a1 = np.dot(x, W1) + b1
        z1 = self.sigmoid(a1)
        a2 = np.dot(z1, W2) + b2
        z2 = self.sigmoid(a2)
        a3 = np.dot(z2, W3) + b3
        y = self.softmax(a3)
        
        return y

2. predict 매서드 network 매개변수 추가

⋯ (중략) ⋯

    def predict(self, x, network):
        # network = self.init_network()
        W1, W2, W3 = network['W1'], network['W2'], network['W3']
        b1, b2, b3 = network['b1'], network['b2'], network['b3']

        a1 = np.dot(x, W1) + b1
        z1 = self.sigmoid(a1)
        a2 = np.dot(z1, W2) + b2
        z2 = self.sigmoid(a2)
        a3 = np.dot(z2, W3) + b3
        y = self.softmax(a3)
        
        return y
    
    def regression(self, batch_size:int):
        x, t = self.get_data()
        accuracy_cnt = 0
        network = self.init_network()
        
        for i in range(0, len(x), batch_size):
            x_batch = x[i:i+batch_size]
            y_batch = self.predict(x_batch, network)
            p= np.argmax(y_batch, axis = 1) 
            accuracy_cnt += np.sum(p == t[i:i+batch_size])

        print("Accuracy : " + str(float(accuracy_cnt) / len(x)))