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!

新規登録して質問してみよう
ただいま回答率
87.20%
PyTorch

PyTorchは、オープンソースのPython向けの機械学習ライブラリ。Facebookの人工知能研究グループが開発を主導しています。強力なGPUサポートを備えたテンソル計算、テープベースの自動微分による柔軟なニューラルネットワークの記述が可能です。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

解決済

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

cc_hk
cc_hk

総合スコア2

PyTorch

PyTorchは、オープンソースのPython向けの機械学習ライブラリ。Facebookの人工知能研究グループが開発を主導しています。強力なGPUサポートを備えたテンソル計算、テープベースの自動微分による柔軟なニューラルネットワークの記述が可能です。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

1回答

0評価

0クリップ

1198閲覧

投稿2021/08/02 08:33

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

import pandas as pd import numpy import torch from torch import nn from torch.nn import functional as F from torch.utils.data import DataLoader from torch.utils.data import random_split from torchvision import transforms !pip install pytorch_lightning import pytorch_lightning as pl from pytorch_lightning import Trainer # colab上でデータアップロード from google.colab import files uploaded = files.upload() #データ読み込み df = pd.read_csv('/content/Dataset.csv',index_col=0) #データを説明変数と目的変数にわける data = df.drop('Tag',axis=1) target = df.iloc[:,-1] # PyTorch で学習に使用できる形式へ変換 data = torch.tensor(data.values, dtype=torch.float32) target = torch.tensor(target.values, dtype=torch.int64) #今回は分類なのでint64 # 目的変数と入力変数をまとめてdatasetに変換 dataset = torch.utils.data.TensorDataset(data,target) # 各データセットのサンプル数を決定 # train : val : test = 60% : 20% : 20% n_train = int(len(dataset) * 0.6) n_val = int((len(dataset) - n_train) * 0.5) n_test = len(dataset) - n_train - n_val # データセットの分割 torch.manual_seed(0) #乱数を与えて固定 train, val, test = torch.utils.data.random_split(dataset, [n_train, n_val,n_test]) # 学習データに対する処理 class TrainNet(pl.LightningModule): def train_dataloader(self): return torch.utils.data.DataLoader(train, self.batch_size, shuffle=True, num_workers=self.num_workers) def training_step(self, batch, batch_nb): x, t = batch y = self.forward(x) loss = self.lossfun(y, t) results = {'loss': loss} return results # 検証データに対する処理 class ValidationNet(pl.LightningModule): 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 # テストデータに対する処理 class TestNet(pl.LightningModule): 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 # 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 class Net(TrainNet, ValidationNet, TestNet): def __init__(self, batch_size=32, num_workers=0): super(Net, self).__init__() self.fc1 = nn.Linear(77, 5) self.fc2 = nn.Linear(5, 2) self.batch_size = batch_size self.num_workers = num_workers def forward(self, x): x = self.fc1(x) x = F.relu(x) x = self.fc2(x) return x def lossfun(self, y, t): return F.cross_entropy(y, t) def configure_optimizers(self): return torch.optim.SGD(self.parameters(), lr=0.1) net = Net() trainer = Trainer(max_epochs=10) trainer.fit(net)

最後の問題画面

Validation sanity check: 0%で止まったままになる。
イメージ説明

補足情報(バージョンなど)

colablatory下
pytorch = 1.9.0+cu102
pytorch_lightning = 1.4.0

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。

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。

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

評価を下げると、トップページの「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。

まだ回答がついていません

会員登録して回答してみよう

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
87.20%

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る

質問する

関連した質問

同じタグがついた質問を見る

PyTorch

PyTorchは、オープンソースのPython向けの機械学習ライブラリ。Facebookの人工知能研究グループが開発を主導しています。強力なGPUサポートを備えたテンソル計算、テープベースの自動微分による柔軟なニューラルネットワークの記述が可能です。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。