VGG16 cifar10 エラー

Question

前提

VGG16でcifar10を実装したい

実現したいこと

エラーなく実装したい

発生している問題・エラーメッセージ

Traceback (most recent call last):
File "/home/lab/workspace/username/VGG2.py", line 112, in <module>
for data in trainloader:
File "/home/lab/anaconda3/envs/lib/python3.10/site-packages/torch/utils/data/dataloader.py", line 681, in next
data = self._next_data()
File "/home/lab/anaconda3/envs/lib/python3.10/site-packages/torch/utils/data/dataloader.py", line 721, in _next_data
data = self._dataset_fetcher.fetch(index) # may raise StopIteration
File "/home/lab/anaconda3/envs/lib/python3.10/site-packages/torch/utils/data/_utils/fetch.py", line 49, in fetch
data = [self.dataset[idx] for idx in possibly_batched_index]
File "/home/lab/anaconda3/envs/lib/python3.10/site-packages/torch/utils/data/_utils/fetch.py", line 49, in <listcomp>
data = [self.dataset[idx] for idx in possibly_batched_index]
File "/home/lab/anaconda3/envs//lib/python3.10/site-packages/torchvision/datasets/cifar.py", line 118, in getitem
img = self.transform(img)
TypeError: 'module' object is not callable

該当のソースコード

ソースコード
import os
import numpy as np
import matplotlib.pyplot as plt
import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
import torchvision
from torchvision import models
from torch.utils.data import DataLoader
from torchvision import datasets, transforms


class myVGG(nn.Module):

    def __init__(self):
        super(myVGG, self).__init__()

        self.conv01 = nn.Conv2d(3, 64, 3)
        self.conv02 = nn.Conv2d(64, 64, 3)
        self.pool1 = nn.MaxPool2d(2, 2)

        self.conv03 = nn.Conv2d(64, 128, 3)
        self.conv04 = nn.Conv2d(128, 128, 3)
        self.pool2 = nn.MaxPool2d(2, 2)

        self.conv05 = nn.Conv2d(128, 256, 3)
        self.conv06 = nn.Conv2d(256, 256, 3)
        self.conv07 = nn.Conv2d(256, 256, 3)
        self.pool3 = nn.MaxPool2d(2, 2)

        self.conv08 = nn.Conv2d(256, 512, 3)
        self.conv09 = nn.Conv2d(512, 512, 3)
        self.conv10 = nn.Conv2d(512, 512, 3)
        self.pool4 = nn.MaxPool2d(2, 2)

        self.conv11 = nn.Conv2d(512, 512, 3)
        self.conv12 = nn.Conv2d(512, 512, 3)
        self.conv13 = nn.Conv2d(512, 512, 3)
        self.pool5 = nn.MaxPool2d(2, 2)

        self.avepool1 = nn.AdaptiveAvgPool2d((7, 7))

        self.fc1 = nn.Linear(512 * 7 * 7, 4096)
        self.fc2 = nn.Linear(4096, 4096)
        self.fc3 = nn.Linear(4096, 5)

        self.dropout1 = nn.Dropout(0.5)
        self.dropout2 = nn.Dropout(0.5)



    def forward(self, x):
        x = F.relu(self.conv01(x))
        x = F.relu(self.conv02(x))
        x = self.pool1(x)

        x = F.relu(self.conv03(x))
        x = F.relu(self.conv04(x))
        x = self.pool2(x)

        x = F.relu(self.conv05(x))
        x = F.relu(self.conv06(x))
        x = F.relu(self.conv07(x))
        x = self.pool3(x)

        x = F.relu(self.conv08(x))
        x = F.relu(self.conv09(x))
        x = F.relu(self.conv10(x))
        x = self.pool4(x)

        x = F.relu(self.conv11(x))
        x = F.relu(self.conv12(x))
        x = F.relu(self.conv13(x))
        x = self.pool5(x)

        x = self.avepool1(x)

        # 行列をベクトルに変換
        x = x.view(-1, 512 * 7 * 7)
        
        x = F.relu(self.fc1(x))
        x = self.dropout1(x)
        x = F.relu(self.fc2(x))
        x = self.dropout2(x)
        x = self.fc3(x)

        return x

net = myVGG()

trainset = datasets.CIFAR10(root="./data", train=True, download=True, transform=transforms)
validset = datasets.CIFAR10(root="./data", train=False, download=True, transform=transforms)

trainloader = DataLoader(trainset, batch_size=32, shuffle=True)
validloader = DataLoader(validset, batch_size=32, shuffle=False)


device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
net.to(device)
net.train()

criterion = nn.CrossEntropyLoss()
optimizer = optim.Adam(net.parameters(), lr=0.00001)

# 同じデータを 50 回学習します
for epoch in range(50):

  # 今回の学習効果を保存するための変数
  running_loss = 0.0

  for data in trainloader:
    # データ整理
    inputs, labels = data
    inputs = inputs.to(device)
    labels = labels.to(device)

    # 前回の勾配情報をリセット
    optimizer.zero_grad()

    # 予測
    outputs = net(inputs)

    # 予測結果と教師ラベルを比べて損失を計算
    loss = criterion(outputs, labels)
    running_loss += loss.item()

    # 損失に基づいてネットワークのパラメーターを更新
    loss.backward()
    optimizer.step()

  # このエポックの学習効果
  print(running_loss)


  optimizer = optim.Adam(net.parameters(), lr=0.000001)

for epoch in range(50):
  running_loss = 0.0
  for data in trainloader:
    inputs, labels = data
    inputs = inputs.to(device)
    labels = labels.to(device)
    optimizer.zero_grad()
    outputs = net(inputs)
    loss = criterion(outputs, labels)
    running_loss += loss.item()
    loss.backward()
    optimizer.step()
  print(running_loss)


  plt.figure()
plt.style.use('ggplot')
plt.plot(loss, label='train loss')
plt.plot(running_loss, label='validation loss')
plt.legend()
plt.savefig( 'test_1.png' )

### 試したこと
2つのサイトを組み合わせて作ったのですが、うまくできていないと思います。
### 補足情報（FW/ツールのバージョンなど）

ここにより詳細な情報を記載してください。

Comments

[jbpb0]

> trainset = datasets.CIFAR10(root="./data", train=True, download=True, transform=transforms)
validset = datasets.CIFAR10(root="./data", train=False, download=True, transform=transforms)

のところを、
https://teratail.com/questions/krf6b5esfx845l
のコードの下記の部分のように変えたら、この質問のエラーは出なくなると思います
(下記そのままではなく、この質問のコードに合わせて変数名とかを変えてください)

transform = transforms.Compose([
transforms.ToTensor(),
transforms.Normalize((0.5, ), (0.5,))
])
train_dataset = datasets.CIFAR10(root="./data", train=True, download=True, transform=transform)
validation_dataset = datasets.CIFAR10(root="./data", train=False, download=True, transform=transform)

参考
https://qiita.com/kazetof/items/6a72926b9f8cd44c218e
の「3. データのロード，下処理」

上記を変更したら、それよりも後(下)のところで別のエラーが出ますが、それはこの質問のエラーとは別の内容なので、別の質問にしてください

[jbpb0]

何で「for epoch in range(50):」のループを2回やってるのですか？

[linpoti]

すいません。これは打ち間違いです。
改善して新しく質問出したので教えていただきたいです。

Answer 1

trainset = datasets.CIFAR10(root="./data", train=True, download=True, transform=transforms)
validset = datasets.CIFAR10(root="./data", train=False, download=True, transform=transforms)

のところを、
CNN cifar10 エラー
のコードの下記の部分のように変えたら、この質問のエラーは出なくなると思います
(下記そのままではなく、この質問のコードに合わせて変数名とかを変えてください)

transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.5, ), (0.5,))
])

train_dataset = datasets.CIFAR10(root="./data", train=True, download=True, transform=transform)
validation_dataset = datasets.CIFAR10(root="./data", train=False, download=True, transform=transform)

参考
【詳細（？）】pytorch入門　〜CIFAR10をCNNする〜
の「3. データのロード，下処理」