pythonにおけるLSTM言語モデルの作成の際、プログラムがうまく動いてくれません。

pythonでLSTM言語モデルを作成したいのですが、なぜかプログラムがうまく動いでくれません。友達と全く同じプログラムを使用しているのですが、自分のだけがうまく動かず。

実行結果

total [#####.............................................] 10.00%
this epoch [..................................................] 0.00%
1 iter, 1 epoch / 100 epochs
inf iters/sec. Estimated time to finish: 0:00:00.
total [##########........................................] 20.00%
this epoch [..................................................] 0.00%
2 iter, 2 epoch / 100 epochs
1.4468 iters/sec. Estimated time to finish: 0:00:05.529369.
total [###############...................................] 30.00%
this epoch [..................................................] 0.00%
3 iter, 3 epoch / 100 epochs
1.7996 iters/sec. Estimated time to finish: 0:00:03.889694.
total [####################..............................] 40.00%
this epoch [..................................................] 0.00%
4 iter, 4 epoch / 100 epochs
1.9458 iters/sec. Estimated time to finish: 0:00:03.083603.
total [#########################.........................] 50.00%
this epoch [..................................................] 0.00%
5 iter, 5 epoch / 100 epochs
2.0332 iters/sec. Estimated time to finish: 0:00:02.459158.
total [##############################....................] 60.00%
this epoch [..................................................] 0.00%
6 iter, 6 epoch / 100 epochs
2.077 iters/sec. Estimated time to finish: 0:00:01.925839.
total [###################################...............] 70.00%
this epoch [..................................................] 0.00%
7 iter, 7 epoch / 100 epochs
2.1166 iters/sec. Estimated time to finish: 0:00:01.417369.
total [########################################..........] 80.00%
this epoch [..................................................] 0.00%
8 iter, 8 epoch / 100 epochs
2.1533 iters/sec. Estimated time to finish: 0:00:00.928817.
total [#############################################.....] 90.00%
this epoch [..................................................] 0.00%
9 iter, 9 epoch / 100 epochs
2.1796 iters/sec. Estimated time to finish: 0:00:00.458808.
total [##################################################] 100.00%
this epoch [..................................................] 0.00%
10 iter, 10 epoch / 100 epochs
2.1963 iters/sec. Estimated time to finish: 0:00:00.
プログラム 'python.exe' はコード 0 (0x0) で終了しました。

このように言語モデルの作成がうまくいきません。どのように直せばいいのでしょうか？
トレーナープログラム：

python
1# coding: utf-8
2import chainer
3import chainer.functions as F
4import chainer.links as L
5from chainer import training, datasets, iterators, optimizers, reporter
6from chainer.training import extensions
7import numpy as np
8import os
9from lstmlm import LSTMLM
10
11# LSTMLM用Updaterのクラス
12class LSTMLMUpdater(training.StandardUpdater):
13    def __init__(self, train_iter, optimizer, device_no):
14        """コンストラクタ(引数はStandardUpdaterの引数)
15           Args:
16            train_iter (SerialIterator): 訓練用データセットのイテレータ
17            optimizer (指定Optimizer): オプチマイザー
18            device_no (int):GPU番号
19        """
20        super(LSTMLMUpdater, self).__init__(train_iter, optimizer, device=device_no)
21
22    #
23    def update_core(self):
24        """ミニバッチ(文のミニバッチ)学習
25        """
26        # 累積ロスの初期化
27        loss = 0
28
29        # IteratorとOptimizerを取得
30        train_iter = self.get_iterator('main')
31        optimizer = self.get_optimizer('main')
32        # モデルを取得
33        model = optimizer.target
34
35        # 文を１バッチ分取得
36        x = train_iter.__next__()
37
38        # LSTMの状態をリセット
39        model.reset_state()
40
41        # 文の長さだけ繰り返し学習
42        for i in range(len(x[0])-1):
43            # 入力データ配列作成
44            xarray = xp.array([s[i] for s in x], dtype=xp.int32)
45            # 教師データ(次の文字)配列作成
46            t = xp.array([s[i+1] for s in x], dtype=xp.int32)
47            # 全部が終端文字なら学習終了
48            if xp.min(xarray) == 1 and xp.max(xarray) == 1:
49                break
50            # LSTMLMを1ステップ実行
51            y = model(xarray)
52            # ロス計算
53            loss += F.softmax_cross_entropy(y, t)
54        # ロスをレポート
55        reporter.report({'loss': loss})
56        # 勾配データをリセット
57        optimizer.target.cleargrads()
58        # 誤差逆伝播
59        loss.backward()
60        # 重みのアップデート
61        optimizer.update()
62#
63def read_dataset(ds_path):
64    """データセット(コーパス)の読み込み
65       Args:
66        ds_path (str): データセットパス
67       Returns:
68        sentences (list): 文(単語IDリスト)のリスト
69    """
70    
71    #ファイルそのままドラッグすると不具合が出るので修正
72    if ds_path.find('"') != -1:
73        ds_path = ds_path.strip('"')
74    # データセットファイルをオープン
75    f = open(ds_path, 'r', encoding='utf8')
76    # データセットファイルから文リストの読み込み
77    sentences = []
78    line = f.readline()
79    while line:
80        #改行で不具合が出るので修正
81        line = line.strip('\n')
82        #空行で不具合が出るので修正
83        if not line:
84            break
85        # 文の開始記号を0とする
86        s = [0]
87        # 1行の中の単語IDを数字のリストにして追加(map:リストの各要素にintを適用, extend:sにリストの要素を追加)
88        s.extend(list(map(int,line.split(','))))
89        # 最後に終端記号1を入れる
90        s.append(1)
91        # 文を追加
92        sentences.append(s)
93        line = f.readline()
94    f.close()
95    return sentences
96#
97def train_lstmlm(sentences, n_units, n_epochs, batch_size, interval_of_model_snap, device_no):
98    """LSTM言語モデルの訓練
99       Args:
100        sentences (list): 文(単語IDリスト)のリスト
101        n_units (int): LSTMのユニット数
102        n_epochs (int): エポック数
103        batch_size (int):バッチサイズ
104        interval_of_model_snap (int): 中間モデルの保存間隔(エポック)
105        device_no (int): GPU番号(-1はCPU)
106    """
107    # 語彙数(開始記号0，終端記号1含む)
108    n_vocab = max([max(s) for s in sentences]) + 1
109    # 文の最大長
110    s_max = max([len(s) for s in sentences])
111    # バッチ処理のため全ての文を同じ長さに揃える
112    for i in range(len(sentences)):
113        # 短い文に対して不足分を終端記号で埋める
114        sentences[i].extend([1]*(s_max-len(sentences[i])))
115
116    # モデルの作成
117    model = LSTMLM(n_vocab, n_units)
118    if device_no >= 0:
119        model.to_gpu()
120
121    # オプティマイザを選択
122    optimizer = optimizers.Adam()
123    optimizer.setup(model)
124
125    # 訓練用のデータセットIteratorを作成(学習をどのように繰り返すかを設定)
126    train_iter = iterators.SerialIterator(sentences, batch_size, shuffle=False)
127
128    # モデルパラメータを更新するためのUpdaterを作成
129    updater = LSTMLMUpdater(train_iter, optimizer, device_no=device_no)
130    # Updaterを引数としてTrainerを作成
131    trainer = training.Trainer(updater, (n_epochs, 'epoch'), out="result")
132    # Trainerエクステンション:学習の進展を表示
133    trainer.extend(extensions.ProgressBar(update_interval=1))
134    # Trainerエクステンション:ログを出力
135    trainer.extend(extensions.LogReport())
136    # Trainerエクステンション:ロスのグラフを画像として保存
137    if extensions.PlotReport.available():
138        trainer.extend(extensions.PlotReport(['loss'], x_key='epoch', file_name='loss.png'))
139    # 初期モデルスナップ
140    if not os.path.exists('result'):
141        os.mkdir('result')
142    chainer.serializers.save_npz('result/e0_model.npz', model )
143    # Trainerエクステンション:中間モデルスナップ
144    trainer.extend(extensions.snapshot_object(model, filename='e{.updater.epoch}_model.npz'), trigger=(interval_of_model_snap, 'epoch')) 
145    # Trainerエクステンション:最終モデル,トレーナー,オプティマイザースナップ
146    trainer.extend(extensions.snapshot(filename='final_e{.updater.epoch}_trainer.npz'), trigger=(n_epochs, 'epoch'))
147    trainer.extend(extensions.snapshot_object(model, filename='final_e{.updater.epoch}_model.npz'), trigger=(n_epochs, 'epoch'))
148    trainer.extend(extensions.snapshot_object(optimizer, filename='final_e{.updater.epoch}_optimizer.npz'), trigger=(n_epochs, 'epoch'))
149
150    # 訓練実行
151    trainer.run()
152#
153if __name__ == '__main__':
154    # GPU番号指定(CPUのみ使用の場合は-1)
155    device_no = 0
156    # GPUGPU使用時とCPU使用時で必要な設定
157    if device_no >= 0:
158        import cupy as xp
159        chainer.cuda.get_device_from_id(0).use()
160        chainer.cuda.check_cuda_available()
161    else:
162        xp = np
163    # LSTMのユニット数
164    num_of_units = 200
165    # エポック数
166    num_of_epochs = 100
167    # バッチサイズ
168    batch_size = 10
169    # 中間モデルの保存間隔
170    interval_of_model_snap = 10
171    # 訓練用コーパスの読み込み
172    ds_path = input('Input a training corpus (wakati sentences represented by word IDs) path < ')
173    sentences = read_dataset(ds_path)
174    # 訓練
175    train_lstmlm(sentences, num_of_units, num_of_epochs, batch_size, interval_of_model_snap, device_no)

lstmlmのプログラムと

python
1# coding: utf-8
2import chainer
3import chainer.links as L
4
5# LSTM Language Modelクラス
6class LSTMLM(chainer.Chain):
7    def __init__(self, n_vocab, n_units):
8        """コンストラクタ(LSTMLMネットワークのリンクの定義)
9           Args:
10            n_vocab (int): 埋め込み語彙数
11            n_units (int): 隠れユニット数
12        """
13        super(LSTMLM, self).__init__()
14        with self.init_scope():
15            self.embed = L.EmbedID(n_vocab, n_units)
16            self.lstm1 = L.LSTM(n_units, n_units)
17            self.lstm2 = L.LSTM(n_units, n_units)
18            self.decode = L.Linear(n_units, n_vocab)
19    #
20    def reset_state(self):
21        """LSTMの状態のリセット
22        """
23        self.lstm1.reset_state()
24        self.lstm2.reset_state()
25    #
26    def __call__(self, x):
27        """順伝播
28           Args:
29            x (array): 入力単語One-hotベクトルアレイ
30           Returns:
31            y (array): 出力値アレイ
32        """
33        h0 = self.embed(x)
34        h1 = self.lstm1(h0)
35        h2 = self.lstm2(h1)
36        y = self.decode(h2)
37        return y
38