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
86.12%
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

ValueError: too many values to unpack解決したい

cano
cano

総合スコア2

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グッド

0クリップ

10885閲覧

投稿2021/09/13 18:08

編集2021/09/14 07:42

前提・実現したいこと

pytorchを使ったResnetの実装を試しており、とりあえずweb上のコードをコピペしてGoogle colabolatoryで動作を見ようとしていたのですがデータを用意する段階でエラーが出てしまい
解決できず困っています。

発生している問題・エラーメッセージ

ValueError Traceback (most recent call last)
<ipython-input-7-9a3ab776c106> in <module>()
92 BATCH_SIZE = 128
93 path = "/content/drive/MyDrive/Colab Notebooks/dataset/cifar-10-batches-py"
---> 94 train,test = load_data(path)
95
96

ValueError: too many values to unpack (expected 2)

該当のソースコード

import os from keras.utils import np_utils import matplotlib.pyplot as plt %matplotlib inline import numpy as np from PIL import Image from tqdm import tqdm_notebook as tqdm import torch from torch.utils.data import Dataset, DataLoader import torchvision import torchvision.transforms as transforms def load_data(path): """ Load CIFAR10 data Reference: https://www.kaggle.com/vassiliskrikonis/cifar-10-analysis-with-a-neural-network/data """ def _load_batch_file(batch_filename): filepath = os.path.join(path, batch_filename) unpickled = _unpickle(filepath) return unpickled def _unpickle(file): import pickle with open(file, 'rb') as fo: dict = pickle.load(fo, encoding='latin') return dict train_batch_1 = _load_batch_file('data_batch_1') train_batch_2 = _load_batch_file('data_batch_2') train_batch_3 = _load_batch_file('data_batch_3') train_batch_4 = _load_batch_file('data_batch_4') train_batch_5 = _load_batch_file('data_batch_5') test_batch = _load_batch_file('test_batch') num_classes = 10 batches = [train_batch_1['data'], train_batch_2['data'], train_batch_3['data'], train_batch_4['data'], train_batch_5['data']] train_x = np.concatenate(batches) train_x = train_x.astype('float32') # this is necessary for the division below train_y = np.concatenate([np_utils.to_categorical(labels, num_classes) for labels in [train_batch_1['labels'], train_batch_2['labels'], train_batch_3['labels'], train_batch_4['labels'], train_batch_5['labels']]]) test_x = test_batch['data'].astype('float32') #/ 255 test_y = np_utils.to_categorical(test_batch['labels'], num_classes) print(num_classes) img_rows, img_cols = 32, 32 channels = 3 print(train_x.shape) train_x = train_x.reshape(len(train_x), channels, img_rows, img_cols) test_x = test_x.reshape(len(test_x), channels, img_rows, img_cols) train_x = train_x.transpose((0, 2, 3, 1)) test_x = test_x.transpose((0, 2, 3, 1)) per_pixel_mean = (train_x).mean(0) # 計算はするが使用しない train_x = [Image.fromarray(img.astype(np.uint8)) for img in train_x] test_x = [Image.fromarray(img.astype(np.uint8)) for img in test_x] train = [(x,np.argmax(y)) for x, y in zip(train_x, train_y)] test = [(x,np.argmax(y)) for x, y in zip(test_x, test_y)] return train, test, per_pixel_mean class ImageDataset(Dataset): """ データにtransformsを適用するためのクラス """ def __init__(self, data, transform=None): self.data = data self.transform = transform def __len__(self): return len(self.data) def __getitem__(self, idx): img, label = self.data[idx] if self.transform: img = self.transform(img) return img, label # Googleドライブのマウント from google.colab import drive drive.mount('./drive') BATCH_SIZE = 128 path = "/content/drive/MyDrive/Colab Notebooks/dataset/cifar-10-batches-py" train, test = load_data(path) # train dataの作成 train_transform = torchvision.transforms.Compose([ transforms.RandomHorizontalFlip(), transforms.Lambda(lambda img: np.array(img)), transforms.ToTensor(), transforms.Lambda(lambda img: img.float()), ]) train_dataset = ImageDataset(train[:45000], transform=train_transform) trainloader = DataLoader(train_dataset, batch_size=BATCH_SIZE, shuffle=True, num_workers=0) # validation data, test dataの作成 valtest_transform = torchvision.transforms.Compose([ torchvision.transforms.Lambda(lambda img: np.array(img)), transforms.ToTensor(), transforms.Lambda(lambda img: img.float()), ]) valid_dataset = ImageDataset(train[45000:], transform=valtest_transform) validloader = DataLoader(valid_dataset, batch_size=BATCH_SIZE, shuffle=True, num_workers=0) test_dataset = ImageDataset(test, transform=valtest_transform) testloader = DataLoader(test_dataset, batch_size=BATCH_SIZE, shuffle=True, num_workers=0)

試したこと

補足情報(FW/ツールのバージョンなど)

こちらのサイトのコードを使っています。
https://blog.neko-ni-naritai.com/entry/2019/06/03/234651

以下のような質問にはグッドを送りましょう

  • 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

グッドが多くついた質問は、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。

下記のような質問は推奨されていません。

  • 間違っている
  • 質問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

適切な質問に修正を依頼しましょう。

y_waiwai

2021/09/13 23:40

このままではコードが読めないので、質問を編集し、<code>ボタンを押し、出てくる’’’の枠の中にコードを貼り付けてください
cano

2021/09/14 07:44

返信が遅くなってしまいすみません。編集しましたのでコードを読めると思います。

回答1

0

ベストアンサー

def load_data(path):のインデントはどこで切れていますか?
<code>で出てくる記号の間にPythonのコードを挟んでください。

参考元と同じコードと想定して、勝手にreturn train, test, per_pixel_meanで切れていると想定して書きます。

起きていること
train, test = load_data(path)では2つ値が返ってきてほしいのに、
return train, test, per_pixel_meanとあるように3つ値が返ってきている。
この不一致により、ValueError: too many values to unpack (expected 2)2つ帰ってきてほしいのに多すぎる値(3つのはず)が返ってきている。

対策

BATCH_SIZE = 128 path = "/content/drive/MyDrive/Colab Notebooks/dataset/cifar-10-batches-py" # # 変更前 # train, test = load_data(path) # 変更後 train, test, per_pixel_mean = load_data(path)

投稿2021/09/13 21:42

fourteenlength

総合スコア2734

良いと思った回答にはグッドを送りましょう。
グッドが多くついた回答ほどページの上位に表示されるので、他の人が素晴らしい回答を見つけやすくなります。

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

このような回答には修正を依頼しましょう。

回答へのコメント

cano

2021/09/14 10:05

こちらの不手際でコードが正確に表示されていない状態で回答していただきありがとうございます。 回答者様の対策通りにコードを変えたところ無事解決できました。

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
86.12%

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

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。