PyTorchでFloat型で計算するようにエラーが出ましたが、修正箇所がわかりません。

Question

前提・実現したいこと

Python初心者です。
独自のデータセット'/home/selen/downloads/'(嵐5人の顔画像)を用いて
PyTorchでファインチューニングを行いたいと思っています。
入力データはGoogleでスクレイピングし、OpenCVで顔だけ切り取った同じサイズのものです。
'Arashi/arashi.py'で実行しています。

発生している問題・エラーメッセージ

/home/selen/.pyenv/versions/3.7.3/lib/python3.7/site-packages/pytorch_lightning/utilities/distributed.py:23: UserWarning: The dataloader, val dataloader 0, does not have many workers which may be a bottleneck. Consider increasing the value of the `num_workers` argument` in the `DataLoader` init to improve performance.
  warnings.warn(*args, **kwargs)
Validation sanity check: 0it [00:00, ?it/s]Traceback (most recent call last):
  File "Arashi/arashi.py", line 107, in <module>
    trainer.fit(fine_net)
  File "/home/selen/.pyenv/versions/3.7.3/lib/python3.7/site-packages/pytorch_lightning/trainer/trainer.py", line 765, in fit
    self.single_gpu_train(model)
  File "/home/selen/.pyenv/versions/3.7.3/lib/python3.7/site-packages/pytorch_lightning/trainer/distrib_parts.py", line 492, in single_gpu_train
    self.run_pretrain_routine(model)
  File "/home/selen/.pyenv/versions/3.7.3/lib/python3.7/site-packages/pytorch_lightning/trainer/trainer.py", line 899, in run_pretrain_routine
    False)
  File "/home/selen/.pyenv/versions/3.7.3/lib/python3.7/site-packages/pytorch_lightning/trainer/evaluation_loop.py", line 322, in _evaluate
    eval_results = model.validation_end(outputs)
  File "Arashi/arashi.py", line 74, in validation_end
    avg_acc = torch.stack([x['val_acc'] for x in outputs]).mean()
RuntimeError: Can only calculate the mean of floating types. Got Long instead.

該当のソースコード

import torch, torchvision
import torch.nn as nn
import torch.nn.functional as F
from torchvision import transforms
import pytorch_lightning as pl
from pytorch_lightning import Trainer

from PIL import Image
import glob

fold_path = '/home/selen/downloads/'
imgs = []
for imgs_path in glob.glob(fold_path + '*'):
    imgs.append(glob.glob(imgs_path + '/*'))

from torchvision.models import resnet18
resnet = resnet18(pretrained=True)

transform = transforms.Compose([
    transforms.Resize((224, 224)),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
])

labels = []
img_datas = torch.tensor([])

for i,imgs_arr in enumerate(imgs):
   
    for img_path in imgs_arr:
        labels.append(i)
        img = Image.open(img_path)
        tensor_img = transform(img)
        tensor_img = tensor_img.unsqueeze(0)
        img_datas = torch.cat([img_datas, tensor_img],dim=0)

datasets = torch.utils.data.TensorDataset(img_datas, torch.tensor(labels))


n_train = int(len(datasets) * 0.85)
n_val = len(datasets) - n_train
torch.manual_seed(0)
train,val = torch.utils.data.random_split(datasets,[n_train,n_val])

class TrainNet(pl.LightningModule):
    @pl.data_loader
    def train_dataloader(self):
        return torch.utils.data.DataLoader(train, self.batch_size,shuffle=True)
    
    def training_step(self, batch, batch_nb):
        x, t = batch
        y = self.forward(x)
        loss = self.lossfun(y, t)
        results = {'loss': loss}
        return results

class ValidationNet(pl.LightningModule):

    @pl.data_loader
    def val_dataloader(self):
        return torch.utils.data.DataLoader(val, self.batch_size)

    def validation_step(self, batch, batch_nb):
        x, t = batch
        y = self.forward(x)
        loss = self.lossfun(y, t)
        y_label = torch.argmax(y, dim=1)
        acc = torch.sum(t == y_label) * 1.0 / len(t)
        results = {'val_loss': loss, 'val_acc': acc}
        return results

    def validation_end(self, outputs):
        avg_loss = torch.stack([x['val_loss'] for x in outputs]).mean()
        avg_acc = torch.stack([x['val_acc'] for x in outputs]).mean()
        results =  {'val_loss': avg_loss, 'val_acc': avg_acc}
        return results

class FineTuningNet(TrainNet, ValidationNet):

    def __init__(self, batch_size=256):
        super().__init__()
        self.batch_size = batch_size
        self.conv = resnet18(pretrained=True)
        self.fc1 = nn.Linear(1000, 100)
        self.fc2 = nn.Linear(100, 5)
        for param in self.conv.parameters():
            param.requires_grad = False

    def lossfun(self, y, t):
        return F.cross_entropy(y, t)

    def configure_optimizers(self):
        return torch.optim.SGD(self.parameters(), lr=0.01)

    def forward(self, x):
        x = self.conv(x)
        x = self.fc1(x)
        x = F.relu(x)
        x = self.fc2(x)
        return x

torch.backends.cudnn.deterministic = True
torch.backends.cudnn.benchmark = False

fine_net = FineTuningNet()
trainer = Trainer(gpus=1, max_epochs=300)
trainer.fit(fine_net)

間違っている箇所あればご指摘していただけると幸いです。
よろしくお願いいたします。

Answer 1

avg_acc = torch.stack([x['val_acc'] for x in outputs]).mean()をavg_acc = torch.stack([x['val_acc'] for x in outputs]).float().mean()にしてはどうでしょうか？

Comments

[Hiro051]

できました。ありがとうございます！

学習ができたので学習済みモデルの精度を確認したいのですが
最後に "trainer.callback_metrics" を追記しても出力されません。
これはなぜでしょうか？

[meg_]

何も表示されないということですか？　"精度"が表示されないということですか？

[Hiro051]

warnings.warn(*args, **kwargs)
Epoch 300: 100%|███████████████████████████████████████| 2/2 [00:00<00:00, 8.00it/s, loss=0.081, v_num=16]

上記のように精度が表示されません。

[meg_]

上記は学習中の進捗表示ですね。
下記のようなものが表示されませんか？
{'epoch': 300,
'loss': 0.015820687227787348,
'val_acc': 0.9022806587490845,
'val_loss': 0.25298880732891025}

[Hiro051]

はい。表示されていません。。

[meg_]

学習は完了しているのですよね？
スクリプトの実行環境は何ですか？

[Hiro051]

MacターミナルからSSH接続したリモートマシンで実行しています。

[meg_]

何故表示されないのか、ちょっと分からないですね。
その件については新たに質問を立てると有識者の方から回答いただけるかもしれません。

[Hiro051]

そうしてみます。
親切に対応していただきありがとうございました。