PyTorch Lightning(v 0.9.0)において@pl.data_loader部分でエラーが発生する問題

Question

前提・実現したいこと

機械学習のため最近Pythonを触り始めたのですが躓いてしまいました。
google-colaboratory(python 3.6.9)においてPyTorch(1.6.0)でファインチューニングに取り組んでいます。
pytorch_lightning(v 0.9.0)を用いて検証用や訓練用、テスト用のクラスを定義したのですが
デコレータ部分でエラーが出ます。
何が問題なのでしょうか。

2020/09/12
@pl.data_loaderの使用できるバージョンでpytorch_lightningをinstallすることで解決いたしました。
v0.9.0でどうすべきなのか、知っている方がいらっしゃいましたら回答お願いします。

発生している問題・エラーメッセージ

AttributeError                            Traceback (most recent call last)
<ipython-input-25-579be5e31971> in <module>()
      1 #訓練用のモデル定義
----> 2 class TrainNet(pl.LightningModule):
      3 
      4     @pl.data_loader
      5     def train_dataloader(self):

<ipython-input-25-579be5e31971> in TrainNet()
      2 class TrainNet(pl.LightningModule):
      3 
----> 4     @pl.data_loader
      5     def train_dataloader(self):
      6         return torch.utils.data.DataLoader(train, self.batch_size, shuffle=True)

AttributeError: module 'pytorch_lightning' has no attribute 'data_loader'

該当のソースコード

import matplotlib.pyplot as plt
import numpy as np
import copy
import os
from tqdm import tqdm
import cv2
import torchvision.transforms as transforms
import torchvision.models as models
import torchvision
import torch
import torch.nn as nn
import torch.nn.functional as F
from torch.utils.data import DataLoader
import shutil
import pytorch_lightning as pl
from pytorch_lightning import Trainer

#画像の前処理'   '内の文言によって処理内容を変えている
transform_dict = {
        'train': transforms.Compose(
            [
             transforms.Resize((224,224)),
             transforms.ToTensor(),
             transforms.Normalize(mean=[0.485, 0.456, 0.406],
                                  std=[0.229, 0.224, 0.225]),
            ]),
        'test': transforms.Compose(
            [            
             transforms.Resize((224,224)),
             #transforms.Grayscale(num_output_channels = 1),
             transforms.ToTensor(),
             transforms.Normalize(mean=[0.485, 0.456, 0.406],
                                  std=[0.229, 0.224, 0.225]),
             ])}
#ディレクトリ内のデータチェック 不要なファイルがあれば削除
l = os.listdir('/content/drive/My Drive/my_data_set/train/')
os.chdir('/content/drive/My Drive/my_data_set/train/')
target_dir = '.ipynb_checkpoints'
#余計なファイルが生成されていた場合に削除する
if os.path.exists(target_dir):
    shutil.rmtree(target_dir)
#データを読み込み、フォルダ名でラベルを付ける
data_folder = os.path.join('/content/drive/My Drive/my_data_set/train/')
data = torchvision.datasets.ImageFolder(root = data_folder, transform = transform_dict["train"])

train_ratio = 0.8
train_size = int(train_ratio * len(data))
val_size  = len(data) - train_size      
data_size  = {"train":train_size, "val":val_size}
data_train, data_val = torch.utils.data.random_split(data, [train_size, val_size])
#エポック数，バッジサイズ
epoch = 120
BATCH_SIZE = 2
LR = 0.001 #学習率 

train_loader = torch.utils.data.DataLoader(data_train, batch_size = BATCH_SIZE, shuffle = True)
val_loader   = torch.utils.data.DataLoader(data_val,   batch_size = BATCH_SIZE, shuffle = False)
dataloaders  = {"train":train_loader, "val":val_loader}

mobile_Net = torchvision.models.mobilenet_v2(pretrained=True, progress=True)

#訓練用のモデル定義
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
#検証用のモデル定義
class ValidationNet(pl.LightningModule):

    @pl.val_dataloader
    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
#テスト用     
class TestNet(pl.LightningModule):

    @pl.test_dataloader
    def test_dataloader(self):
        return torch.utils.data.DataLoader(test, self.batch_size)

    def test_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 = {'test_loss': loss, 'test_acc': acc}
        return results

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

試したこと

PyTorch Lightningを利用したネット上のソースコードを試したのですが同様のエラーが出ました
@pl.LightningDataModule.train_dataloaderと書き換えたところ(他部分もLightningDataModuleを挟むことで)エラーは解決しましたが、本方法が間違っている可能性があるため、回答受け付け状態にしておきます。

補足情報（FW/ツールのバージョンなど）

python 3.6.9
PyTorch(1.6.0)
pytorch_lightning(v 0.9.0)

Answer 1

v0.9.0での代替方法は分かりませんが、v0.9.0からはdata_loaderをデコレート出来なくなったようです。
以下のページに「This decorator deprecated in v0.7.0 and it will be removed v0.9.0.」と記載がありました。
https://pytorch-lightning.readthedocs.io/en/0.8.2/api/pytorch_lightning.core.decorators.html

Comments

[radbag]

現バージョンでできないことはわかっていたのですが、公式で明文化して提示されていたのですね。
情報ありがとうございます。