【Pytorch・セマンティックセグメンテーション】学習時に発生するテンソルサイズのエラー

前提・実現したいこと

現在Pytorchを使ったセグメンテーションを行っています。
https://hituji-ws.com/code/python/dl-seg2/
こちらのサイトを参考に作業を進め、学習の段階までたどり着いたのですが、そこで以下のようなエラーが発生しました。

発生している問題・エラーメッセージ

Epoch: 0
train: 100%|███| 10/10 [00:04<00:00,  2.38it/s, dice_loss - 0.2074, iou_score - 0.8564]
valid:   0%|                                                    | 0/11 [00:00<?, ?it/s]
Sizes of tensors must match except in dimension 2. Got 25 and 26 (The offending index is 0)
Traceback (most recent call last):
  File "segment_training.py", line 218, in <module>
    if max_score < val_logs['iou_score']:
NameError: name 'val_logs' is not defined

該当のソースコード

python
1valid_epoch = smp.utils.train.ValidEpoch(
2    model,
3    loss=loss,
4    metrics=metrics,
5    device=DEVICE,
6    verbose=True,
7)
8
9# 学習 40EPoch 25Epochで学習率を下げる
10max_score = 0
11for i in range(0, 40):
12
13    print('\nEpoch: {}'.format(i))
14    try:
15        train_logs = train_epoch.run(train_loader)
16        val_logs = valid_epoch.run(valid_loader)
17    except Exception as e:
18        print(e)
19
20    # do something (save model, change lr, etc.)
21    if max_score < val_logs['iou_score']:
22        max_score = val_logs['iou_score']
23        torch.save(model, f'{DECODER}_{ENCODER}.pth')
24        print('Model saved!')

試したこと

ネットで検索したところ、Pytorchでのモデル作成ではmodel.train()とmodel.eval()を使い分けて効率よく学習を行うらしいことは分かったのですが、train()で成功したものがなぜeval()では失敗するのかわかりませんでした。画像サイズは訓練用と検証用で同じサイズのものを使用しています。ご助力頂ければ助かります。

補足情報（FW/ツールのバージョンなど）

Windows 10
Python 3.7.6
torch 1.7.1
画像サイズは400×400です。

jbpb0

2021/10/20 10:47

参考Webページの「データセットを作成」以降のコードは、そのままですか？変えてるところはありませんか？「val_dir =...」で指定したディレクトリには、「images」と「masks」というディレクトリがあり、それぞれの中に必要なファイルが置かれてますでしょうか？

Gonbe_k

2021/10/20 11:28

ご指摘ありがとうございます‼︎ 参照コードはlabelを"dog"から自分の検出対象に変えた程度で、ほとんど一緒です。明日もう一度確認してみます。ディレクトリに関して、生の画像が入った「images」とそのマスク画像（白黒）が入った「masks」というディレクトリを訓練用と検証用で用意しています。

jbpb0

2021/10/20 14:41

> labelを"dog"から自分の検出対象に変えた「label」の種類はいくつでしょうか？参考Webページの以下の「dog」の部分を全て、矛盾無く修正してますでしょうか？ # データセット class Dataset(BaseDataset): CLASSES = ['background', 'dog'] # モデルを宣言 ENCODER = 'resnet34' ENCODER_WEIGHTS = 'imagenet' CLASSES = ['dog'] # データセットを作成 train_dataset = Dataset( os.path.join(train_dir, 'images'), os.path.join(train_dir, 'masks'), augmentation=get_training_augmentation(), preprocessing=get_preprocessing(preprocessing_fn), classes=['dog'], ) valid_dataset = Dataset( os.path.join(val_dir, 'images'), os.path.join(val_dir, 'masks'), preprocessing=get_preprocessing(preprocessing_fn), classes=['dog'], )

Gonbe_k

2021/10/21 07:51

ラベルの種類は1種類です。私の場合は写真から道路を抽出したいので"road"というラベルに変更しています。ラベルは矛盾なく修正していました。念のためもう一度プログラムをコピーしなおして、まったく修正せずに実行してみましたが結果は変わりませんでした。

jbpb0

2021/10/23 05:50

当方のMacのPythonで実行してみましたが、エラー出ずに学習進みました確認手順は下記の通りです Pythonに必要なものをインストール当方では「segmentation_models_pytorch」「albumentations」「imgaug」 https://github.com/hituji1012/seg_test/ から一式落として展開 Jupyter起動し、展開した中の「train.ipynb」を開き、二ヶ所の「cuda」を「cpu」に変更(MacはCUDA使えないので)し、他はそのままで実行 GPU無しだと時間がかかるので、5Epochまで終了したところで中断しましたが、そこまでは普通に学習進んでました質問者さんの環境で、上記のように https://github.com/hituji1012/seg_test/ にもともと入ってた画像データセットを使ってそのまま実行した場合も、質問のエラーが出るのでしょうか？

jbpb0

2021/10/23 05:58

あるいは、「train」は正常に完了してるみたいなので、「val」の内容を「train」と全く同じにして実行してみるとか (質問者さん作成画像データセットの「train」を、「train」と「val」の両方に使ってみる)

Gonbe_k

2021/10/26 06:53

返信が遅くなってしまい申し訳ありません。恥ずかしながらjupyter notebookというものの存在を知らなかったので悪戦苦闘していました。新しく仮想環境を作り、jupyter notebookで画像から作り直して実行したところうまくいきました!! これまでjupyter notebookを知らず、Web上のコマンドをテキストエディタにコピーしてAnaconda　promptで実行するという方法をとっていたのでその際にミスをしていたのだと思います。学習もうまくいって道路のセグメンテーションをすることができました。お世話になりました!!