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
85.50%
深層学習

深層学習は、多数のレイヤのニューラルネットワークによる機械学習手法。人工知能研究の一つでディープラーニングとも呼ばれています。コンピューター自体がデータの潜在的な特徴を汲み取り、効率的で的確な判断を実現することができます。

Google Colaboratory

Google Colaboratoryとは、無償のJupyterノートブック環境。教育や研究機関の機械学習の普及のためのGoogleの研究プロジェクトです。PythonやNumpyといった機械学習で要する大方の環境がすでに構築されており、コードの記述・実行、解析の保存・共有などが可能です。

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。

Q&A

解決済

1回答

3701閲覧

NameError: name 'device' is not definedを解決したい

cano

総合スコア2

深層学習

深層学習は、多数のレイヤのニューラルネットワークによる機械学習手法。人工知能研究の一つでディープラーニングとも呼ばれています。コンピューター自体がデータの潜在的な特徴を汲み取り、効率的で的確な判断を実現することができます。

Google Colaboratory

Google Colaboratoryとは、無償のJupyterノートブック環境。教育や研究機関の機械学習の普及のためのGoogleの研究プロジェクトです。PythonやNumpyといった機械学習で要する大方の環境がすでに構築されており、コードの記述・実行、解析の保存・共有などが可能です。

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。

0グッド

0クリップ

投稿2021/09/14 11:38

前提・実現したいこと

pytorchを使ったResnetの実装をgooglecolabで試しているのですが、
下記のようなエラーが発生しました。
コードはこちらのサイトをそのまま使用しています。
https://blog.neko-ni-naritai.com/entry/2019/06/03/234651

該当のコードは全文だと入りきらなかったので学習のコードしか書いていません。

発生している問題・エラーメッセージ

NameError Traceback (most recent call last) <ipython-input-8-9d36056e17bd> in <module>() 27 28 # 学習用に必要なインスタンスを作成 ---> 29 net = ResNet50().to(device) 30 criterion = nn.CrossEntropyLoss() 31 optimizer = optim.SGD(net.parameters(), lr=0.01, NameError: name 'device' is not defined

該当のソースコード

def validate(net, validloader): """ epoch毎に性能評価をするための関数 """ net.eval() correct = 0 total = 0 preds = torch.tensor([]).float().to(device) trues = torch.tensor([]).long().to(device) with torch.no_grad(): for data in validloader: images, labels = data images, labels = images.to(device), labels.to(device) outputs = net(images) _, predicted = torch.max(outputs.data, 1) total += labels.size(0) correct += (predicted == labels).sum().item() preds = torch.cat((preds, outputs)) trues = torch.cat((trues, labels)) val_loss = criterion(preds, trues) err_rate = 100 * (1 - correct / total) return val_loss, err_rate # 学習用に必要なインスタンスを作成 net = ResNet50().to(device) criterion = nn.CrossEntropyLoss() optimizer = optim.SGD(net.parameters(), lr=0.01, momentum=0.9, weight_decay=0.0001) scheduler = ReduceLROnPlateau( optimizer, mode='min', factor=0.1, patience=10, verbose=True ) # ロギング用のリスト log = {'train_loss':[], 'val_loss': [], 'train_err_rate': [], 'val_err_rate': []} N_EPOCH = 40 # 学習を実行 for epoch in tqdm(range(N_EPOCH)): net.train() for i, data in tqdm(enumerate(trainloader, 0)): # get the inputs inputs, labels = data inputs, labels = inputs.to(device), labels.to(device) # zero the parameter gradients optimizer.zero_grad() # forward + backward + optimize outputs = net(inputs) loss = criterion(outputs, labels) loss.backward() optimizer.step() # epoch内でのlossを確認 if i % 100 == 0: print(loss) else: # trainとvalに対する指標を計算 train_loss, train_err_rate = validate(net, trainloader) val_loss, val_err_rate = validate(net, validloader) log['train_loss'].append(train_loss.item()) log['val_loss'].append(val_loss.item()) log['val_err_rate'].append(val_err_rate) log['train_err_rate'].append(train_err_rate) print(loss) print(f'train_err_rate:\t{train_err_rate:.1f}') print(f'val_err_rate:\t{val_err_rate:.1f}') scheduler.step(val_loss) else: print('Finished Training')

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MY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。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

jbpb0

2021/09/14 11:49 編集

net = ResNet50().to(device) のすぐ上に、下記を追加してみてください device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
cano

2021/09/14 12:01

アドバイス通りに追加したら実行できました! ありがとうございます。
guest

回答1

0

ベストアンサー

python

1net = ResNet50().to(device)

のすぐ上に、下記を追加してください

python

1device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")

投稿2021/09/15 00:01

jbpb0

総合スコア7651

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

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
85.50%

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