自分のローカルPC内に保存している画像データを用いて、efficientnet実装がうまくいかない

Question

現在、自分のローカルPC内に保存している画像データを用いて、efficientnet実装試みています。
データセットを入力する段階で、うまく出力されなくなってしまいました。
ネット上で参考になる記事についても検索いたしましたが、どれもCIFAR10等を用いたものですのであまり参考になりませんでした。
初歩的なことなのでしょうが、ご教示願えますでしょうか。

発生している問題・エラーメッセージ

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-14-80a768b5b891> in <module>
      5                                     transforms.Normalize(mean=[0.4914, 0.4822, 0.4465], std=[0.2470, 0.2435, 0.2616])
      6 ])
----> 7 train_ds = '.ora/Desktop/dataset2/train'(train=True, transform=train_transform, download=True)
      8 train_dl = torch.utils.data.DataLoader(train_ds, batch_size=128, num_workers=4, pin_memory=True)

TypeError: 'str' object is not callable

該当のソースコード

import torch
import torch.nn as nn
import torch.nn.functional as F
import torchvision
import torchvision.transforms as transforms 
import tqdm
import matplotlib.pyplot as plt

class Swish(nn.Module):
  """x*sigmoid(x)"""
  def __init__(self):
    super().__init__()
  def forward(self, x):
    return x*torch.sigmoid(x)

class DWBlock(nn.Module):
  def __init__(self, in_c, k, s, p, bias=False):
    if p != k//2:
      print("output may not be the same spatial size as input")
    super().__init__()
    self.dw = nn.Conv2d(in_c, in_c, kernel_size=k, stride=s, padding=p, groups=in_c, bias=bias)
    self.bn = nn.BatchNorm2d(in_c)
    self.act = Swish()

  def forward(self, x):
    out = self.act(self.bn(self.dw(x)))
    return out

class PWBlock(nn.Module):
  def __init__(self, in_c, out_c, bias=False, act="swish"):
    super().__init__()
    self.dw = nn.Conv2d(in_c, out_c, kernel_size=1, bias=bias)
    self.bn = nn.BatchNorm2d(out_c)
    if act=='swish':
      self.act = Swish()
    elif act is None:
      self.act = nn.Identity()

  def forward(self, x):
    out = self.act(self.bn(self.dw(x)))
    return out

class SEBlock(nn.Module):
  def __init__(self, in_c, h=8):
    super().__init__()
    # Squeeze
    self.gap = nn.AdaptiveAvgPool2d(1) 
    # Excitation
    self.fc1 = nn.Linear(in_c, in_c//h, bias=False) 
    self.act1 = Swish()
    self.fc2 = nn.Linear(in_c//h, in_c, bias=False)
    self.act2 = nn.Sigmoid()

  def forward(self, x):
    out = self.gap(x).squeeze(-1).squeeze(-1)
    out = self.act1(self.fc1(out))
    out = self.act2(self.fc2(out)).unsqueeze(-1).unsqueeze(-1)
    return out*x

class MBConv(nn.Module):
  def __init__(self, in_c, out_c, k=5, s=1, expansion=1):
    super().__init__()
    self.s = s
    self.in_c = in_c
    self.out_c = out_c
    self.pw1 = PWBlock(in_c, in_c*expansion, bias=False)
    self.dw = DWBlock(in_c*expansion, k=k, s=s, p=k//2, bias=False)
    self.se = SEBlock(in_c*expansion)
    self.pw2 = PWBlock(in_c*expansion, out_c, bias=False, act=None)

  def forward(self, x):
    out = self.pw2(self.se(self.dw(self.pw1(x))))
    if self.s == 1 and self.in_c==self.out_c:
      out = out+x
    return out

class EfficientNetB0(nn.Module):
  def __init__(self, n_c=3, n_classes=10):
    super().__init__()
    self.first = nn.Sequential(
        nn.Conv2d(n_c,32,3,1,1,bias=False),
        nn.BatchNorm2d(32),
        Swish()
    )
    self.mb1 = MBConv(32, 16, 3, expansion=1)
    self.mb6_1 = nn.Sequential(
        MBConv(16, 24, k=3, s=1, expansion=6),
        MBConv(24, 24, k=3, s=1, expansion=6)
    )
    self.mb6_2 = nn.Sequential(
        MBConv(24, 40, k=5, s=1, expansion=6),
        MBConv(40, 40, k=5, s=1, expansion=6)
    )
    #画像サイズ:32->16
    self.mb6_3 = nn.Sequential(
        MBConv(40, 80, k=3, s=2, expansion=6),
        MBConv(80, 80, k=3, s=1, expansion=6),
        MBConv(80, 80, k=3, s=1, expansion=6),
    )
    self.mb6_4 = nn.Sequential(
        MBConv(80, 112, k=5, s=1, expansion=6),
        MBConv(112, 112, k=5, s=1, expansion=6),
        MBConv(112, 112, k=5, s=1, expansion=6),
    )
    #画像サイズ: 16->8
    self.mb6_5 = nn.Sequential(
        MBConv(112, 192, k=5, s=2, expansion=6),
        MBConv(192, 192, k=5, s=1, expansion=6),
        MBConv(192, 192, k=5, s=1, expansion=6),
        MBConv(192, 192, k=5, s=1, expansion=6),
    )

    self.mb6_6 = nn.Sequential(
        MBConv(192, 320, k=3, s=1, expansion=6),
    )
    self.pw = PWBlock(320, 1280)
    self.gap = nn.AdaptiveAvgPool2d(1)
    self.dropout = nn.Dropout(0.2)
    self.fc = nn.Linear(1280, n_classes)

  def forward(self, x):
    out = self.first(x)
    out = self.mb1(out)
    out = self.mb6_1(out)
    out = self.mb6_2(out)
    out = self.mb6_3(out)
    out = self.mb6_4(out)
    out = self.mb6_5(out)
    out = self.mb6_6(out)
    out = self.pw(out)
    out = self.gap(out).view(x.size(0), -1)
    out = self.dropout(out)
    out = self.fc(out)
    return out

train_transform = transforms.Compose([
                                    transforms.RandomCrop(size=32, padding=4),
                                    transforms.RandomHorizontalFlip(p=0.5),
                                    transforms.ToTensor(),
                                    transforms.Normalize(mean=[0.4914, 0.4822, 0.4465], std=[0.2470, 0.2435, 0.2616])
])
train_ds = '.ora/Desktop/dataset2/train'(train=True, transform=train_transform, download=True)
train_dl = torch.utils.data.DataLoader(train_ds, batch_size=128, num_workers=4, pin_memory=True)

Comments

[jbpb0]

https://pystyle.info/pytorch-train-classification-problem-using-a-pretrained-model/#outline__4_2
の「データセットを用意する」と書かれてるところ以降が、参考になるかも

[shujiu]

コメントありがとうございます。上記の記事も参考にし、少し違う形ではありますがデータセットの読み込みは成功いたしました。しかしまた新たなErrorが生じましたので、また違う質問させていただくと思います。

Answer 1

Pytorch – 事前学習モデルを使ってクラス分類モデルを学習する方法
の「データセットを用意する」と書かれてるところ以降が、参考になると思います

Answer 2

エラーになっている行は、ファイルだかディレクトリだかを示す文字列に()で引数を与えていますので、関数呼び出しとされてしまっています。。 これではエラーになるのも当然です。

train_ds = '.ora/Desktop/dataset2/train'(train=True, transform=train_transform, download=True)

ここで何がしたいのでしょう？

Comments

[shujiu]

ローカルPC上、上記の.ora/Desktop/dataset2内にある自作データを用意済みなので、それを使ってtransform,Dataset作成を行いefficientnetで転移学習させたいのですが、自作データを入れる際のコードがわからず質問させていただきました。