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

88.10%

エラー 「DataLoader worker (pid 80830) is killed by signal: Unknown signal: 0. 」と表示される

受付中

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 1,057

score -3

Pytorchのチュートリアルのコードを実行したところエラーが出てきたのですが, 解決方法がわからず困っています。

ソースコード

import torch
import torch.nn as nn
import torch.nn.functional as F
import torchvision
import torchvision.transforms as transforms

transform = transforms.Compose([transforms.ToTensor(),transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])

trainset = torchvision.datasets.CIFAR10(root='./data', train=True,download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=4,shuffle=True, num_workers=2)

testset = torchvision.datasets.CIFAR10(root='./data', train=False, download=True, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=4,shuffle=False, num_workers=2)


classes = ('plane', 'car', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck')

import matplotlib.pyplot as plt
import numpy as np

def imshow(img):
    img = img / 2 + 0.5   # 標準化を戻す
    npimg = img.numpy()   # NumPy配列に変換
    plt.imshow(np.transpose(npimg, (1, 2, 0)))   # (高さ, 横幅, チャネル数)となるよう整形
    plt.show()   #画像の表示

# get some random training images
dataiter = iter(trainloader)
images, labels = dataiter.next()

imshow(torchvision.utils.make_grid(images))
# print labels
print(' '.join('%5s' % classes[labels[j]] for j in range(4)))

class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.conv1 = nn.Conv2d(3, 6, 5)
        self.pool = nn.MaxPool2d(2, 2)
        self.conv2 = nn.Conv2d(6, 16, 5)
        self.fc1 = nn.Linear(16 * 5 * 5, 120)
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 10)

    def forward(self, x):
        x = self.pool(F.relu(self.conv1(x)))
        x = self.pool(F.relu(self.conv2(x)))
        x = x.view(-1, 16 * 5 * 5)
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = self.fc3(x)
        return x


net = Net()

import torch.optim as optim

criterion = nn.CrossEntropyLoss()   # 損失関数を交差エントロピーに設定
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)   # 最適化関数をSGDにしてmomentumを指定


for epoch in range(2):  # loop over the dataset multiple times

    running_loss = 0.0
    for i, data in enumerate(trainloader, 0):
        # get the inputs; data is a list of [inputs, labels]
        inputs, labels = data

        # zero the parameter gradients
        optimizer.zero_grad()

        # forward + backward + optimize
        outputs = net(inputs)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()

        # print statistics
        running_loss += loss.item()

        #plot_history(running_loss,i,epoch)

        if i % 2000 == 1999:    # print every 2000 mini-batches
            print('[%d, %5d] loss: %.3f' % (epoch + 1, i + 1, running_loss / 2000))
            running_loss = 0.0

print('Finished Training')

PATH = './cifar_net.pth'
torch.save(net.state_dict(), PATH)

dataiter = iter(testloader)
images, labels = dataiter.next()

# print images
imshow(torchvision.utils.make_grid(images))
print('GroundTruth: ', ' '.join('%5s' % classes[labels[j]] for j in range(4)))

net = Net()
net.load_state_dict(torch.load(PATH))

outputs = net(images)

print("outputs:\n{}".format(outputs))

_, predicted = torch.max(outputs, 1)
print("max value:{}".format(_))
print("Predicted:{}".format(predicted))

print('Predicted: ', ' '.join('%5s' % classes[predicted[j]] for j in range(4)))

correct = 0
total = 0
with torch.no_grad():
    for data in testloader:
        images, labels = data
        outputs = net(images)
        _, predicted = torch.max(outputs.data, 1)
        total += labels.size(0)
        correct += (predicted == labels).sum().item()

print('Accuracy of the network on the 10000 test images: %d %%' % (100 * correct / total))

class_correct = list(0. for i in range(10))
class_total = list(0. for i in range(10))
with torch.no_grad():
    for data in testloader:
        images, labels = data
        outputs = net(images)
        _, predicted = torch.max(outputs, 1)
        c = (predicted == labels).squeeze()
        for i in range(4):
            label = labels[i]
            class_correct[label] += c[i].item()
            class_total[label] += 1


for i in range(10):
    print('Accuracy of %5s : %2d %%' % (
        classes[i], 100 * class_correct[i] / class_total[i]))

### エラー内容

RuntimeError                              Traceback (most recent call last)
<ipython-input-9-99ffcbefe663> in <module>
26 
27 # get some random training images
---> 28 dataiter = iter(trainloader)
29 images, labels = dataiter.next()
30 

~/opt/anaconda3/lib/python3.7/site-packages/torch/utils/data/dataloader.py in iter(self)
277             return _SingleProcessDataLoaderIter(self)
278         else:
--> 279             return _MultiProcessingDataLoaderIter(self)
280 
281     @property

~/opt/anaconda3/lib/python3.7/site-packages/torch/utils/data/dataloader.py in init(self, loader)
744         # prime the prefetch loop
745         for _ in range(2 * self._num_workers):
--> 746             self._try_put_index()
747 
748     def _try_get_data(self, timeout=_utils.MP_STATUS_CHECK_INTERVAL):

~/opt/anaconda3/lib/python3.7/site-packages/torch/utils/data/dataloader.py in _try_put_index(self)
859         assert self._tasks_outstanding < 2 * self._num_workers
860         try:
--> 861             index = self._next_index()
862         except StopIteration:
863             return

~/opt/anaconda3/lib/python3.7/site-packages/torch/utils/data/dataloader.py in _next_index(self)
337 
338     def _next_index(self):
--> 339         return next(self._sampler_iter)  # may raise StopIteration
340 
341     def _next_data(self):

~/opt/anaconda3/lib/python3.7/site-packages/torch/utils/data/sampler.py in iter(self)
198     def iter(self):
199         batch = []
--> 200         for idx in self.sampler:
201             batch.append(idx)
202             if len(batch) == self.batch_size:

~/opt/anaconda3/lib/python3.7/site-packages/torch/utils/data/sampler.py in iter(self)
105         if self.replacement:
106             return iter(torch.randint(high=n, size=(self.num_samples,), dtype=torch.int64).tolist())
--> 107         return iter(torch.randperm(n).tolist())
108 
109     def len(self):

~/opt/anaconda3/lib/python3.7/site-packages/torch/utils/data/_utils/signal_handling.py in handler(signum, frame)
64         # This following call uses waitid with WNOHANG from C side. Therefore,
65         # Python can still get and update the process status successfully.
---> 66         _error_if_any_worker_fails()
67         if previous_handler is not None:
68             previous_handler(signum, frame)

RuntimeError: DataLoader worker (pid 80830) is killed by signal: Unknown signal: 0. 


同じコードで昨日動かしていたときには, 問題なく動作していたので, コードの中身の問題ではないと思うのですが, 何かわかる方いましたらお願いします。

  • 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
    • 過去に投稿した質問と同じ内容の質問
    • 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。

回答 1

0

DataLoader設定のnum_workersの設定を2→0に変更してみてはいかがでしょうか。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    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

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

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 88.10%
  • 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