pytroch_lightningでValidation sanity checkが止まってしまう

発生している問題・エラーメッセージ

下記のURLを参考に、データセットの自作⇒pytorch_lightningによる分類を実施しています。
エラーは出ていないのですが、最後のモデルを学習させるところでValidation sanity checkの部分が止まってしまいます。

参考URL：https://free.kikagaku.ai/tutorial/basic_of_deep_learning/learn/pytorch_classification

どの部分が問題で動かないのでしょうか。もし知っている方がいらっしゃればお願いします。

該当のソースコード

python
1import pandas as pd
2import numpy
3import torch
4from torch import nn
5from torch.nn import functional as F
6from torch.utils.data import DataLoader
7from torch.utils.data import random_split
8from torchvision import transforms
9!pip install pytorch_lightning
10import pytorch_lightning as pl
11from pytorch_lightning import Trainer
12
13# colab上でデータアップロード
14from google.colab import files
15uploaded = files.upload()
16
17#データ読み込み
18df = pd.read_csv('/content/Dataset.csv',index_col=0) 
19
20
21#データを説明変数と目的変数にわける
22data = df.drop('Tag',axis=1)
23target = df.iloc[:,-1]
24
25# PyTorch で学習に使用できる形式へ変換
26data = torch.tensor(data.values, dtype=torch.float32)
27target = torch.tensor(target.values, dtype=torch.int64) #今回は分類なのでint64
28
29# 目的変数と入力変数をまとめてdatasetに変換
30dataset = torch.utils.data.TensorDataset(data,target)
31
32# 各データセットのサンプル数を決定
33# train : val : test = 60% : 20% : 20%
34n_train = int(len(dataset) * 0.6)
35n_val = int((len(dataset) - n_train) * 0.5)
36n_test = len(dataset) - n_train - n_val
37
38# データセットの分割
39torch.manual_seed(0) #乱数を与えて固定
40train, val, test = torch.utils.data.random_split(dataset, [n_train, n_val,n_test])
41
42
43# 学習データに対する処理
44class TrainNet(pl.LightningModule):
45
46    def train_dataloader(self):
47        return torch.utils.data.DataLoader(train, self.batch_size, shuffle=True, num_workers=self.num_workers)
48
49    def training_step(self, batch, batch_nb):
50        x, t = batch
51        y = self.forward(x)
52        loss = self.lossfun(y, t)
53        results = {'loss': loss}
54        return results
55    
56# 検証データに対する処理
57class ValidationNet(pl.LightningModule):
58
59    def val_dataloader(self):
60        return torch.utils.data.DataLoader(val, self.batch_size)
61
62    def validation_step(self, batch, batch_nb):
63        x, t = batch
64        y = self.forward(x)
65        loss = self.lossfun(y, t)
66        y_label = torch.argmax(y, dim=1)
67        acc = torch.sum(t == y_label) * 1.0 / len(t)
68        results = {'val_loss': loss, 'val_acc': acc}
69        return results
70
71    def validation_end(self, outputs):
72        avg_loss = torch.stack([x['val_loss'] for x in outputs]).mean()
73        avg_acc = torch.stack([x['val_acc'] for x in outputs]).mean()
74        results = {'val_loss': avg_loss, 'val_acc': avg_acc}
75        return results
76    
77# テストデータに対する処理
78class TestNet(pl.LightningModule):
79
80    def test_dataloader(self):
81        return torch.utils.data.DataLoader(test, self.batch_size)
82
83    def test_step(self, batch, batch_nb):
84        x, t = batch
85        y = self.forward(x)
86        loss = self.lossfun(y, t)
87        y_label = torch.argmax(y, dim=1)
88        acc = torch.sum(t == y_label) * 1.0 / len(t)
89        results = {'test_loss': loss, 'test_acc': acc}
90        return results
91
92    def test_end(self, outputs):
93        avg_loss = torch.stack([x['test_loss'] for x in outputs]).mean()
94        avg_acc = torch.stack([x['test_acc'] for x in outputs]).mean()
95        results = {'test_loss': avg_loss, 'test_acc': avg_acc}
96        return results
97
98# 学習データ、検証データ、テストデータへの処理を継承したクラス
99class Net(TrainNet, ValidationNet, TestNet):
100
101    def __init__(self, batch_size=32, num_workers=0):
102        super(Net, self).__init__()
103        self.fc1 = nn.Linear(77, 5)
104        self.fc2 = nn.Linear(5, 2)
105        self.batch_size = batch_size
106        self.num_workers = num_workers
107
108    def forward(self, x):
109        x = self.fc1(x)
110        x = F.relu(x)
111        x = self.fc2(x)
112        return x
113
114    def lossfun(self, y, t):
115        return F.cross_entropy(y, t)
116
117    def configure_optimizers(self):
118        return torch.optim.SGD(self.parameters(), lr=0.1)
119
120net = Net()
121trainer = Trainer(max_epochs=10)
122
123trainer.fit(net)
124