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!

新規登録して質問してみよう
ただいま回答率
86.02%
深層学習

深層学習は、多数のレイヤのニューラルネットワークによる機械学習手法。人工知能研究の一つでディープラーニングとも呼ばれています。コンピューター自体がデータの潜在的な特徴を汲み取り、効率的で的確な判断を実現することができます。

Google Colaboratory

Google Colaboratoryとは、無償のJupyterノートブック環境。教育や研究機関の機械学習の普及のためのGoogleの研究プロジェクトです。PythonやNumpyといった機械学習で要する大方の環境がすでに構築されており、コードの記述・実行、解析の保存・共有などが可能です。

機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

Python

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。

Q&A

解決済

StyleGAN2をGoogle Colaboratoryで実装したい

riku_university
riku_university

総合スコア6

深層学習

深層学習は、多数のレイヤのニューラルネットワークによる機械学習手法。人工知能研究の一つでディープラーニングとも呼ばれています。コンピューター自体がデータの潜在的な特徴を汲み取り、効率的で的確な判断を実現することができます。

Google Colaboratory

Google Colaboratoryとは、無償のJupyterノートブック環境。教育や研究機関の機械学習の普及のためのGoogleの研究プロジェクトです。PythonやNumpyといった機械学習で要する大方の環境がすでに構築されており、コードの記述・実行、解析の保存・共有などが可能です。

機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

Python

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。

1回答

0グッド

0クリップ

557閲覧

投稿2022/10/17 06:54

前提・実現したいこと

Google Colaboratory で StyleGAN2 を試しています。(初学者です)
10月のどこかで CUDA10.0 が消えたりと Google Colab に改正があり、その影響で元は動いていたコードが動かなくなってしまいした。

以下のサイトを参考にして進めています。
https://techpr.info/ml/stylegan2-colab/

発生している問題①

下記のコードを実行するとエラーがでます。

vector_size = Gs.input_shape[1:][0] seeds = seeder(range(8000, 8020), vector_size) generate_images(Gs, seeds, truncation_psi=0.5)

エラーメッセージ①

Python

1 2Generating image for seed 0/20 ... 3--------------------------------------------------------------------------- 4InvalidArgumentError Traceback (most recent call last) 5/usr/local/lib/python3.7/dist-packages/tensorflow_core/python/client/session.py in _do_call(self, fn, *args) 6 1364 try: 7-> 1365 return fn(*args) 8 1366 except errors.OpError as e: 9 108 frames 11InvalidArgumentError: Cannot assign a device for operation Gs/_Run/Gs/latents_in: {{node Gs/_Run/Gs/latents_in}} was explicitly assigned to /device:GPU:0 but available devices are [ /job:localhost/replica:0/task:0/device:CPU:0, /job:localhost/replica:0/task:0/device:XLA_CPU:0, /job:localhost/replica:0/task:0/device:XLA_GPU:0 ]. Make sure the device specification refers to a valid device. 12 [[Gs/_Run/Gs/latents_in]] 13 14During handling of the above exception, another exception occurred: 15 16InvalidArgumentError Traceback (most recent call last) 17/usr/local/lib/python3.7/dist-packages/tensorflow_core/python/client/session.py in _do_call(self, fn, *args) 18 1382 '\nsession_config.graph_options.rewrite_options.' 19 1383 'disable_meta_optimizer = True') 20-> 1384 raise type(e)(node_def, op, message) 21 1385 22 1386 def _extend_graph(self): 23 24InvalidArgumentError: Cannot assign a device for operation Gs/_Run/Gs/latents_in: node Gs/_Run/Gs/latents_in (defined at /usr/local/lib/python3.7/dist-packages/tensorflow_core/python/framework/ops.py:1748) was explicitly assigned to /device:GPU:0 but available devices are [ /job:localhost/replica:0/task:0/device:CPU:0, /job:localhost/replica:0/task:0/device:XLA_CPU:0, /job:localhost/replica:0/task:0/device:XLA_GPU:0 ]. Make sure the device specification refers to a valid device. 25 [[Gs/_Run/Gs/latents_in]]

発生している問題②

生成した画像(image○○○.png)を動画形式に変換するコードでエラーが出ます。

!ffmpeg -r 30 -i image%d.png -vcodec mpeg4 -y test.mp4

エラーメッセージ②

[image2 @ 0x55fd18c8e000] Could find no file with path 'image%d.png' and index in the range 0-4 image%d.png: No such file or directory

該当のソースコード

Python

1 2# install cuda10.0 3!apt-get --purge remove cuda nvidia* libnvidia-* 4!dpkg -l | grep cuda- | awk '{print $2}' | xargs -n1 dpkg --purge 5!apt-get remove cuda-* 6!apt autoremove 7 8!wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-repo-ubuntu1804_10.0.130-1_amd64.deb 9!sudo dpkg -i cuda-repo-ubuntu1804_10.0.130-1_amd64.deb 10!sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/7fa2af80.pub 11!sudo apt-get update 12!wget http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1804/x86_64/nvidia-machine-learning-repo-ubuntu1804_1.0.0-1_amd64.deb 13!sudo apt install -y ./nvidia-machine-learning-repo-ubuntu1804_1.0.0-1_amd64.deb 14!sudo apt-get update 15 16# Install NVIDIA driver 17#!sudo apt-get install --no-install-recommends nvidia-driver-418 18!sudo apt-get -y installnvidia-driver-418 19# Reboot. Check that GPUs are visible using the command: nvidia-smi 20 21# Install development and runtime libraries (~4GB) 22#!sudo apt-get install --no-install-recommends \ 23!sudo apt-get install -y \ 24 cuda-10-0 \ 25 libcudnn7=7.6.2.24-1+cuda10.0 \ 26 libcudnn7-dev=7.6.2.24-1+cuda10.0 27 28 29# Install TensorRT. Requires that libcudnn7 is installed above. 30# !sudo apt-get install -y --no-install-recommends libnvinfer5=5.1.5-1+cuda10.0 \ 31!sudo apt-get install -y libnvinfer5=5.1.5-1+cuda10.0 \ 32 libnvinfer-dev=5.1.5-1+cuda10.0 33 34!apt --fix-broken install 35 36 37# tensorflow 38!pip uninstall tensorflow -y 39!pip install tensorflow-gpu==1.15.2 40!pip install keras==2.2.4 41 42 43# Git clone 44!git clone https://github.com/NVlabs/stylegan2.git 45 46 47# 出力先フォルダの作成 48!mkdir out 49 50 51# 潜在変数を作成するための関数を用意 52def seeder(seeds, vector_size): 53 result = [] 54 55 for seed in seeds: 56 rnd = np.random.RandomState(seed) 57 result.append( rnd.randn(1, vector_size) ) 58 return result 59 60 61# 必要なパッケージのインストール 62import argparse 63import numpy as np 64import PIL.Image 65import dnnlib 66import dnnlib.tflib as tflib 67import re 68import sys 69import pretrained_networks 70 71 72# 画像生成プロセスの関数 73def generate_images(Gs, seeds, truncation_psi): 74 noise_vars = [var for name, var in Gs.components.synthesis.vars.items() if name.startswith('noise')] 75 76 Gs_kwargs = dnnlib.EasyDict() 77 Gs_kwargs.output_transform = dict(func=tflib.convert_images_to_uint8, nchw_to_nhwc=True) 78 Gs_kwargs.randomize_noise = False 79 if truncation_psi is not None: 80 Gs_kwargs.truncation_psi = truncation_psi 81 82 for seed_idx, seed in enumerate(seeds): 83 print('Generating image for seed %d/%d ...' % (seed_idx, len(seeds))) 84 rnd = np.random.RandomState() 85 tflib.set_vars({var: rnd.randn(*var.shape.as_list()) for var in noise_vars}) # [height, width] 86 images = Gs.run(seed, None, **Gs_kwargs) # [minibatch, height, width, channel] 87 path = f"/content/out/image{seed_idx}.png" 88 PIL.Image.fromarray(images[0], 'RGB').save(path) 89 90 91# 顔画像の学習モデルを読み込み 92network_pkl = 'gdrive:networks/stylegan2-ffhq-config-a.pkl' 93print('Loading networks from "%s"...' % network_pkl) 94_G, _D, Gs = pretrained_networks.load_networks(network_pkl) 95 96 97# パラメータの指定 98vector_size = Gs.input_shape[1:][0] 99seeds = seeder(range(8000, 8020), vector_size) 100 101generate_images(Gs, seeds, truncation_psi=0.5) 102 103 104# 画像を300枚生成 105seeds = seeder([6660, 7770], vector_size) 106 107STEPS = 300 108diff = seeds[1] - seeds[0] 109step = diff / STEPS 110current = seeds[0].copy() 111 112seeds2 = [] 113for i in range(STEPS): 114 seeds2.append(current) 115 current = current + step 116 117generate_images(Gs, seeds2, truncation_psi=0.5) 118 119 120# 生成した画像を動画形式に変換 121!ffmpeg -r 30 -i image%d.png -vcodec mpeg4 -y test.mp4

補足情報(FW/ツールのバージョンなど)

GPUを認識できていると思うのですが、なぜ使用できないのでしょうか。

[name: "/device:CPU:0" device_type: "CPU" memory_limit: 268435456 locality { } incarnation: 2440703754907394877, name: "/device:XLA_CPU:0" device_type: "XLA_CPU" memory_limit: 17179869184 locality { } incarnation: 9295743096350903082 physical_device_desc: "device: XLA_CPU device", name: "/device:XLA_GPU:0" device_type: "XLA_GPU" memory_limit: 17179869184 locality { } incarnation: 3392596144835826399 physical_device_desc: "device: XLA_GPU device", name: "/device:GPU:0" device_type: "GPU" memory_limit: 14947935847 locality { bus_id: 1 links { } } incarnation: 428819314228490541 physical_device_desc: "device: 0, name: Tesla T4, pci bus id: 0000:00:04.0, compute capability: 7.5"]

以下のような質問にはグッドを送りましょう

  • 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

グッドが多くついた質問は、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。

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。

下記のような質問は推奨されていません。

  • 間違っている
  • 質問になっていない投稿
  • スパムや攻撃的な表現を用いた投稿

適切な質問に修正を依頼しましょう。

jbpb0

2022/10/17 23:24

> # 必要なパッケージのインストール の直前あたりで %cd stylegan2 をしておかないと、 > import dnnlib import dnnlib.tflib as tflib や > import pretrained_networks で、下記のエラーが出るはずです ModuleNotFoundError: No module named 'dnnlib' ModuleNotFoundError: No module named 'pretrained_networks' それなのに、「発生している問題①、②」では、コードのそれよりも後の部分を実行しているので、なぜエラーが出ずにそこまで到達できてるのかが、不思議です もし上記のインポートのエラーが出ないなら、それでインポートされてる「dnnlib」や「pretrained_networks」は、 https://github.com/NVlabs/stylegan2 のとは別のものですが、そのようなものを別途インストールしてるのでしょうか?
jbpb0

2022/10/17 23:26

「発生している問題①」よりも後の「発生している問題②」を実行する際には、「発生している問題①」のエラーをどのようにして回避してるのでしょうか? まさか、「発生している問題①」のエラーを放置して、そのままそれよりも後を実行してるのではありませんよね?
jbpb0

2022/10/18 02:02

「エラーメッセージ②」の > image%d.png: No such file or directory は、作成した画像ファイルは > # 出力先フォルダの作成 !mkdir out にあるのに、そこじゃない場所で > !ffmpeg -r 30 -i image%d.png -vcodec mpeg4 -y test.mp4 を実行してるためです 上記を実行する直前に「出力先フォルダ」に「%cd」する必要があります
riku_university

2022/10/18 07:15

履歴を遡ったら以前①のエラーが出なかったのは import sys sys.path.insert(0, "/content/stylegan2") が記載されていたからのようでした。 下記を実行するのに必要なかったため消していたようです。 # モデルのダウンロード !wget https://battle.shawwn.com/sdc/stylegan2-imagenet-512/model.ckpt # 画像生成の実行 !python /content/stylegan2/run_generator.py generate-images \ --network=model.ckpt-533504.pkl \ --seeds=6600-6625 --truncation-psi=1.0
riku_university

2022/10/18 07:19

「発生している問題②」は10月以前の改正が入る前まではその手前まで動いていたため、そのときに出たエラーを記載しました。 ①が解決しても②が出てくるのは分かっていたので一緒に記載させていただきました。
jbpb0

2022/10/18 09:51

インポートよりも前(上)に > import sys sys.path.insert(0, "/content/stylegan2") を実行したら、 %cd stylegan2 は要りません その場合は、 > # 生成した画像を動画形式に変換 のすぐ上に、 %cd out または %cd /content/out を追加
jbpb0

2022/11/01 09:36

私の回答の通りにやって、実行できませんか?
riku_university

2022/11/01 10:05

BA選択したはずが押せてなかったようです・・・

回答1

0

ベストアンサー

質問のコードで下記を変更したら、質問に書いてるエラーは出ませんでした

 

python

1# 必要なパッケージのインストール

のすぐ上に下記を追加

python

1%cd stylegan2

 

python

1# 生成した画像を動画形式に変換

のすぐ上に下記を追加

python

1%cd ../out

 
【追記】
一つ目の変更をしないと、

python

1import dnnlib

の実行で、「ModuleNotFoundError: No module named 'dnnlib'」というエラーが出るはずです
「発生している問題①」は、そのエラーを放置して続きを実行したのが原因かもしれません

 
二つ目の変更をしないと、作成した画像ファイルが無いところで

python

1!ffmpeg -r 30 -i image%d.png -vcodec mpeg4 -y test.mp4

を実行するので、「発生している問題②」になります

投稿2022/10/18 03:46

編集2022/10/18 06:56
jbpb0

総合スコア7521

良いと思った回答にはグッドを送りましょう。
グッドが多くついた回答ほどページの上位に表示されるので、他の人が素晴らしい回答を見つけやすくなります。

下記のような回答は推奨されていません。

  • 間違っている回答
  • 質問の回答になっていない投稿
  • スパムや攻撃的な表現を用いた投稿

このような回答には修正を依頼しましょう。

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
86.02%

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る

質問する

関連した質問

同じタグがついた質問を見る

深層学習

深層学習は、多数のレイヤのニューラルネットワークによる機械学習手法。人工知能研究の一つでディープラーニングとも呼ばれています。コンピューター自体がデータの潜在的な特徴を汲み取り、効率的で的確な判断を実現することができます。

Google Colaboratory

Google Colaboratoryとは、無償のJupyterノートブック環境。教育や研究機関の機械学習の普及のためのGoogleの研究プロジェクトです。PythonやNumpyといった機械学習で要する大方の環境がすでに構築されており、コードの記述・実行、解析の保存・共有などが可能です。

機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

Python

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。