Ошибка с Tkinter в __call__

import numpy as np
import pandas as pd
from matplotlib import pyplot as plt
from tkinter import *
from tkinter import filedialog
from PIL import Image
from os import listdir
 
def replace_shapes(array):
    replacements = {
        'circle': 0,
        'square': 1,
        'star': 2,
        'triangle': 3
    }
    replaced_array = []
    for row in array:
        shape = row[0]  # Название фигуры находится в первом столбце
        if shape in replacements:
            replaced_row = [replacements[shape]] + list(row[1:])
            replaced_array.append(replaced_row)
        else:
            replaced_array.append(row)
    return replaced_array
 
# ------------------------------------------------------ Обучение через JPG ---------------------------------------------------------
def blackAndWhite(img):
        thresh = 150
        fn = lambda x : 255 if x > thresh else 0
        r = img.convert('L').point(fn, mode='1')
        return r
 
def resize(img):
        size = (28, 28)
        resized = img.resize(size)
        return resized
 
def filter(img):
        resized = resize(img)
        result = blackAndWhite(resized)
        return result
 
def imgToArray(img):
    return np.array([1 if pixel == 255 else 0 for pixel in img.getdata()])
 
def image_operations(img):
    img = filter(img)
    img = imgToArray(img)
    return img
 
def get_images():
    dir = 'F:/Универ/4 курс/1 семестр/ИТиС/хелп/fourthlab/fourthlab/shapes'
    img_data = []
    folders = listdir(dir)
    for folder in folders:
        folders1 = listdir(f"{dir}/{folder}")
        for folder1 in folders1:
            pictures = listdir(f"{dir}/{folder}/{folder1}")
            for npic in range(1000):
                img_name = f"F:/Универ/4 курс/1 семестр/ИТиС/хелп/fourthlab/fourthlab/shapes/{folder}/{folder1}/{pictures[npic]}"
                # print(img_name)
                img = Image.open(img_name)
                img = image_operations(img)
                img = np.insert(img, 0, folders.index(folder))
                img_data.append(img)
    return folders, img_data
 
labels, images_data = get_images()
images_data = np.array(images_data)
print(images_data.shape)
img_m, img_n = images_data.shape
np.random.shuffle(images_data)
idata_dev = images_data[0:2000].T
IY_dev = idata_dev[0]
IX_dev = idata_dev[1:img_n]
 
idata_train = images_data[2000:img_m].T
IY_train = idata_train[0]
IX_train = idata_train[1:img_n]
 
# ------------------------------------------------------ Обучение через JPG ---------------------------------------------------------
def init_params():
    W1 = np.random.rand(4, 784) * np.sqrt(1./(784))
    b1 = np.random.rand(4, 1) * np.sqrt(1./4)
    W2 = np.random.rand(4, 4) * np.sqrt(1./16)
    b2 = np.random.rand(4, 1) * np.sqrt(1./(784))
    return W1, b1, W2, b2
 
def ReLU(Z):
    return np.maximum(Z, 0)
 
def softmax(Z):
    Z = Z.astype(float)
    A = 1 / (1 + np.exp(-Z))
    return A
 
def forward_prop(W1, b1, W2, b2, X):
    Z1 = W1.dot(X) + b1
    A1 = ReLU(Z1)
    Z2 = W2.dot(A1) + b2
    A2 = softmax(Z2)
    return Z1, A1, Z2, A2
 
def ReLU_deriv(Z):
    return Z > 0
 
def one_hot(Y):
    one_hot_Y = np.zeros((Y.size, Y.max() + 1))
    one_hot_Y[np.arange(Y.size), Y] = 1
    one_hot_Y = one_hot_Y.T
    return one_hot_Y
 
def backward_prop(Z1, A1, Z2, A2, W1, W2, X, Y):
    one_hot_Y = one_hot(Y)
    dZ2 = A2 - one_hot_Y
    dW2 = 1 / img_m * dZ2.dot(A1.T)
    db2 = 1 / img_m * np.sum(dZ2)
    dZ1 = W2.T.dot(dZ2) * ReLU_deriv(Z1)
    dW1 = 1 / img_m * dZ1.dot(X.T)
    db1 = 1 / img_m * np.sum(dZ1)
    return dW1, db1, dW2, db2
 
def update_params(W1, b1, W2, b2, dW1, db1, dW2, db2, alpha):
    W1 = W1 - alpha * dW1
    b1 = b1 - alpha * db1
    W2 = W2 - alpha * dW2
    b2 = b2 - alpha * db2
    return W1, b1, W2, b2
 
def get_predictions(A2):
    return np.argmax(A2, 0)
 
def get_accuracy(predictions, Y):
    print(predictions, Y)
    return np.sum(predictions == Y) / Y.size
 
def gradient_descent(X, Y, alpha, iterations):
    W1, b1, W2, b2 = init_params()
    for i in range(iterations):
        Z1, A1, Z2, A2 = forward_prop(W1, b1, W2, b2, X)
        dW1, db1, dW2, db2 = backward_prop(Z1, A1, Z2, A2, W1, W2, X, Y)
        W1, b1, W2, b2 = update_params(
            W1, b1, W2, b2, dW1, db1, dW2, db2, alpha)
        if i % 10 == 0:
            print("Iteration: ", i)
            predictions = get_predictions(A2)
            print(get_accuracy(predictions, Y))
    return W1, b1, W2, b2
 
def make_predictions(X, W1, b1, W2, b2):
    _, _, _, A2 = forward_prop(W1, b1, W2, b2, X)
    predictions = get_predictions(A2)
    return predictions
 
def test_prediction(index, W1, b1, W2, b2):
    current_image = IX_dev[:, index, None]
    prediction = make_predictions(index, W1, b1, W2, b2)[0]
    prediction = make_predictions(current_image, W1, b1, W2, b2)[0]
    label = IY_dev[index]
    print("Prediction: ", prediction)
    print("Label: ", label)
    current_image = current_image.reshape((28, 28)).astype(float)
    plt.gray()
    plt.imshow(current_image, interpolation='nearest')
    plt.show()
 
def predict(img, W1, b1, W2, b2):
    img = image_operations(img)
    current_image = np.array(np.matrix(img).T)
    prediction = make_predictions(current_image, W1, b1, W2, b2)[0]
    predictionLabel = labels[prediction]
 
    print("Prediction: ", predictionLabel)
 
    return predictionLabel
 
def open_file_dialog():
    # Открыть диалоговое окно выбора файла
    file_path = filedialog.askopenfilename()
    if file_path:
        print("Выбранный файл:", file_path)
        imgpath.set(file_path)
 
 
def train_button_clicked():
    global W1, b1, W2, b2
    W1, b1, W2, b2 = gradient_descent(IX_train, IY_train, 0.10, 2000)
 
 
def recognize_image():
    image_path = imgpath.get()
    image = Image.open(image_path)
    image_array = np.array(
        [1 if pixel == 255 else 0 for pixel in image.getdata()])
    predict(image, W1, b1, W2, b2)
 
 
 
def main():
 
    # Создание графического интерфейса
    root = Tk()
    root.title("Распознование геометрических фигур")
 
    # Задание размера окна
    root.geometry('400x400')
 
    # Создание переменной для хранения пути к изображению
    global imgpath
    imgpath = StringVar()
 
    # Кнопка "Загрузить картинку"
    btn_load_image = Button(
        root, text="Загрузить картинку", command=open_file_dialog)
    btn_load_image.pack()
 
    # Кнопка "Обучить"
    btn_train = Button(root, text="Обучить", command=train_button_clicked)
    btn_train.pack()
 
    # Кнопка "Распознать"
    btn_recognize = Button(root, text="Распознать", command=recognize_image)
    btn_recognize.pack()
 
    # Запуск основного цикла
    root.mainloop()
 
if __name__ == '__main__':
    main()