TypeError: can't convert cuda:0 device type tensor to numpy. Use Tensor.cpu() to copy the tensor to

下記の関数を実行するとタイトルのエラーが発生します。Google collabo使用中はエラーが発生しなかったのですJupitor Notebookで同一の内容を実行するとエラーが発生します。ライブラリー等のバージョンの違いからでしょうか。

何かアドバイスを頂けますと幸いでございます。

def train_model(model, criterion, optimizer, scheduler, num_epochs):
device = torch.device('cuda:0' if torch.cuda.is_available() else 'cpu')
since = time.time()

best_model_wts = copy.deepcopy(model.state_dict())
best_acc = 0.0

#エポックごとの正解率、損失関数情報取得
acc_history_ft = {'train': [], 'valid': []}
loss_history_ft= {'train': [], 'valid': []}

#エポックループ
for epoch in range(num_epochs):
    print('Epoch {}/{}'.format(epoch, num_epochs - 1))
    print('-' * 10)

    #それぞれのエポックで訓練データで訓練→検証データで検証
    for phase in ['train', 'valid']:
        if phase == 'train':
            model.train()  # モデルを訓練モードに
        else:
            model.eval()   # モデルを検証モードに

        #各種変数の初期化
        running_loss = 0.0
        running_corrects = 0

        #データローダーからミニバッチを読み込むループ
        for inputs, labels in dataloaders[phase]:
            inputs = inputs.to(device)
            labels = labels.to(device)

            #勾配を初期化
            optimizer.zero_grad()

            #順伝播
            #※1:訓練データの時はテンソルの勾配を求める
            with torch.set_grad_enabled(phase == 'train'):
                outputs = model(inputs)
                _, preds = torch.max(outputs, 1)
                loss = criterion(outputs, labels)

                #訓練データの時に逆伝播＋重みの更新を行う
                if phase == 'train':
                    loss.backward()
                    optimizer.step()

            #損失等を計算する
            running_loss += loss.item() * inputs.size(0)
            running_corrects += torch.sum(preds == labels.data)

        #学習率の更新を行う
        if phase == 'train':
            scheduler.step()

        epoch_loss = running_loss / dataset_sizes[phase]
        epoch_acc = running_corrects.double() / dataset_sizes[phase]
        #エポックごとの正解率、損失関数情報取得
        acc_history_ft[phase].append(epoch_acc)
        loss_history_ft[phase].append(epoch_loss)
        
        print('{} Loss: {:.4f} Acc: {:.4f}'.format(
            phase, epoch_loss, epoch_acc))

        #検証データで精度が以前より高ければモデルをdeepcopyする
        if phase == 'valid' and epoch_acc > best_acc:
            #ベストの精度を更新
            best_acc = epoch_acc
            #モデルのコピーを保存して「best_model_wts」に格納
            best_model_wts = copy.deepcopy(model.state_dict())

    print()

#１エポック終了毎の表示
time_elapsed = time.time() - since
print('Training complete in {:.0f}m {:.0f}s'.format(
    time_elapsed // 60, time_elapsed % 60))
print('Best val Acc: {:4f}'.format(best_acc))

# Accuracyのグラフ
plt.figure()
plt.plot(range(num_epochs), acc_history_ft['train'], color='blue', linestyle='-', label='train_acc')
plt.plot(range(num_epochs), acc_history_ft['valid'], color='green', linestyle='--', label='val_acc')
plt.legend()
plt.xlabel('epoch')
plt.ylabel('acc')
plt.title('Training and validation accuracy')
plt.grid()

# Lossのグラフ
plt.figure()
plt.plot(range(num_epochs), loss_history_ft['train'], color='blue', linestyle='-', label='train_loss')
plt.plot(range(num_epochs), loss_history_ft['valid'], color='green', linestyle='--', label='val_loss')
plt.legend()
plt.xlabel('epoch')
plt.ylabel('loss')
plt.title('Training and validation loss')
plt.grid()

#最も良いモデルを読みだして返す
model.load_state_dict(best_model_wts)

return model

attakei

2021/07/30 12:46

質問文にコードやエラーを載せる場合は、コードブロック機能を利用してください。インデントなどがカットされて、どういったコードなのかが極めてわかりづらくなっています。特にPythonのようなインデントが文法の一部にになっているプログラミング言語での質問の場合、コードブロックが利用されてないと、コード内容の把握が非常に困難になり、結果として正しい回答が付きにくくなります。