ValueError: too many values to unpack解決したい

Question

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

Comments

[y_waiwai]

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]

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。

Answer 1

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)

Comments

[cano]

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。