質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

90.52%

  • Python

    7953questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • Chainer

    143questions

    Chainerは、国産の深層学習フレームワークです。あらゆるニューラルネットワークをPythonで柔軟に書くことができ、学習させることが可能。GPUをサポートしており、複数のGPUを用いた学習も直感的に記述できます。

chainer を動かすと WinError 5 が出る

受付中

回答 0

投稿

  • 評価
  • クリップ 0
  • VIEW 253

aki34

score 2

 前提・実現したいこと

こちらのサイトにあるchainerによるMNISTの認識を行いたいと考えてます.
【Chainer入門】Trainerで訓練コードを書いてみよう!
そのままコピペでは動いたのですがdropoutを追加して動かしてみると下記のようなエラーが発生して困っています.

 発生している問題・エラーメッセージ

C:\ProgramData\Anaconda3\envs\py3.6\lib\site-packages\h5py\__init__.py:36: FutureWarning: Conversion of the second argument of issubdtype from `float` to `np.floating` is deprecated. In future, it will be treated as `np.float64 == np.dtype(float).type`.
  from ._conv import register_converters as _register_converters
epoch       main/loss   main/accuracy  validation/main/loss  validation/main/accuracy  elapsed_time
1           0.942897    0.692114       0.534543              0.83574                   3.5464
2           0.476107    0.860125       0.405937              0.876978                  7.41841
3           0.390607    0.885994       0.352789              0.896855                  11.2491
4           0.34565     0.899606       0.338131              0.902789                  15.2071
5           0.30767     0.910048       0.299878              0.908623                  19.2382
Exception in main training loop: [WinError 5] アクセスが拒否されました。: 'result\\logumjwajtr\\log.json'
Traceback (most recent call last):
  File "C:\ProgramData\Anaconda3\envs\py3.6\lib\site-packages\chainer\training\trainer.py", line 309, in run
    entry.extension(self)
  File "C:\ProgramData\Anaconda3\envs\py3.6\lib\site-packages\chainer\training\extensions\log_report.py", line 105, in __call__
    shutil.move(path, new_path)
  File "C:\ProgramData\Anaconda3\envs\py3.6\lib\contextlib.py", line 88, in __exit__
    next(self.gen)
  File "C:\ProgramData\Anaconda3\envs\py3.6\lib\site-packages\chainer\utils\__init__.py", line 52, in tempdir
    shutil.rmtree(temp_dir, ignore_errors=ignore_errors)
  File "C:\ProgramData\Anaconda3\envs\py3.6\lib\shutil.py", line 494, in rmtree
    return _rmtree_unsafe(path, onerror)
  File "C:\ProgramData\Anaconda3\envs\py3.6\lib\shutil.py", line 389, in _rmtree_unsafe
    onerror(os.unlink, fullname, sys.exc_info())
  File "C:\ProgramData\Anaconda3\envs\py3.6\lib\shutil.py", line 387, in _rmtree_unsafe
    os.unlink(fullname)
Will finalize trainer extensions and updater before reraising the exception.
Traceback (most recent call last):
  File "sample0.py", line 84, in <module>
    trainer.run()
  File "C:\ProgramData\Anaconda3\envs\py3.6\lib\site-packages\chainer\training\trainer.py", line 320, in run
    six.reraise(*sys.exc_info())
  File "C:\ProgramData\Anaconda3\envs\py3.6\lib\site-packages\six.py", line 693, in reraise
    raise value
  File "C:\ProgramData\Anaconda3\envs\py3.6\lib\site-packages\chainer\training\trainer.py", line 309, in run
    entry.extension(self)
  File "C:\ProgramData\Anaconda3\envs\py3.6\lib\site-packages\chainer\training\extensions\log_report.py", line 105, in __call__
    shutil.move(path, new_path)
  File "C:\ProgramData\Anaconda3\envs\py3.6\lib\contextlib.py", line 88, in __exit__
    next(self.gen)
  File "C:\ProgramData\Anaconda3\envs\py3.6\lib\site-packages\chainer\utils\__init__.py", line 52, in tempdir
    shutil.rmtree(temp_dir, ignore_errors=ignore_errors)
  File "C:\ProgramData\Anaconda3\envs\py3.6\lib\shutil.py", line 494, in rmtree
    return _rmtree_unsafe(path, onerror)
  File "C:\ProgramData\Anaconda3\envs\py3.6\lib\shutil.py", line 389, in _rmtree_unsafe
    onerror(os.unlink, fullname, sys.exc_info())
  File "C:\ProgramData\Anaconda3\envs\py3.6\lib\shutil.py", line 387, in _rmtree_unsafe
    os.unlink(fullname)
PermissionError: [WinError 5] アクセスが拒否されました。: 'result\\logumjwajtr\\log.json'

 該当のソースコード

# cite from https://www.sejuku.net/blog/48977

import numpy as np
import chainer
from chainer.backends import cuda
from chainer import Function, gradient_check, report, training, utils, Variable
from chainer import datasets, iterators, optimizers, serializers
from chainer import Link, Chain, ChainList
import chainer.functions as F
import chainer.links as L
from chainer.training import extensions
from chainer.datasets import mnist
from chainer.training import extensions

class MLP(Chain):

    def __init__(self, n_mid_units=100, n_out=10):
        super(MLP, self).__init__()
        with self.init_scope():
            self.l1 = L.Linear(None, n_mid_units)
            self.l2 = L.Linear(None, n_mid_units)
            self.l3 = L.Linear(None, n_out)

            self.dr = 0.5

    def set_dropout_r(self, _dr):
        self.dr = _dr

    def __call__(self, x):
        with chainer.using_config('train', True):
            # h1 = F.relu(self.l1(x))
            # h2 = F.relu(self.l2(h1))
            h1 = F.dropout(F.relu(self.l1(x)), ratio=self.dr)
            h2 = F.dropout(F.relu(self.l2(h1)), ratio=self.dr)
        return self.l3(h2)

train, test = mnist.get_mnist()

minibatchsize = 128
train_iter = iterators.SerialIterator(train, minibatchsize)
test_iter = iterators.SerialIterator(test, minibatchsize, False, False)

mlp = MLP()

# Classifierでmodelをラップすることで、modelに損失の計算プロセスを追加します。 
# 引数に損失関数を指定しない場合は、softmax_cross_entropyを使います。 
model = L.Classifier(mlp)

# GPUが使える場合は、gpu_idに0を代入します。ない場合は-1とします。
gpu_id=-1
if gpu_id >= 0:
    model.to_gpu(gpu_id)

# choose optimizer
optimizer = optimizers.MomentumSGD()

# set model to optimizer
optimizer.setup(model)

# Iteratorとoptimizerを使うupdaterを作る
updater = training.updaters.StandardUpdater(train_iter, optimizer, device=gpu_id)

# 学習する回数を決める
max_epoch = 30

# Trainerの用意.updaterを渡すことで使える.
trainer = training.Trainer(updater, (max_epoch, 'epoch'), out='result')

# ログファイルを保存する機能を追加
# トレーニング情報を定期的に端末に表示する機能
trainer.extend(extensions.LogReport())
# 定期的に状態をシリアライズ(保存)する機能
# trainer.extend(extensions.snapshot(filename='snapshot_epoch-{.updater.epoch}'))
# trainer.extend(extensions.snapshot_object(model.predictor, filename='model_epoch-{.updater.epoch}'))
# テストデータを使ってモデルの評価を行う機能
trainer.extend(extensions.Evaluator(test_iter, model, device=gpu_id))
trainer.extend(extensions.PrintReport(['epoch', 'main/loss', 'main/accuracy', 'validation/main/loss', 'validation/main/accuracy', 'elapsed_time']))
# 損失関数の値をグラフにする機能
trainer.extend(extensions.PlotReport(['main/loss', 'validation/main/loss'], x_key='epoch', file_name='loss.png'))
# 正答率をグラフにする機能
trainer.extend(extensions.PlotReport(['main/accuracy', 'validation/main/accuracy'], x_key='epoch', file_name='accuracy.png'))
trainer.extend(extensions.dump_graph('main/loss'))

trainer.run()

 試したこと

さまざまなサイトを参考にしながらいろいろ試してはみたのですがどれも解決には至りませんでした.
アクセス権の設定変更
管理者権限での実行
あと,リンクがどこにいったのかわからなくなって申し訳ないのですが「仮想環境を作って実行する」というのも試しましたが同じ問題が発生しました.

 補足情報(FW/ツールのバージョンなど)

OS windows10
python 3.6
chainer ver4.2.0

どうぞよろしくお願いします.

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

まだ回答がついていません

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 90.52%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る

  • Python

    7953questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • Chainer

    143questions

    Chainerは、国産の深層学習フレームワークです。あらゆるニューラルネットワークをPythonで柔軟に書くことができ、学習させることが可能。GPUをサポートしており、複数のGPUを用いた学習も直感的に記述できます。