web-dev-qa-db-ja.com

Pytorch：データをテンソルに変換する方法

私はピトーチの初心者です。 Pytorchチュートリアルを参考にしてCNNコードを書こうとしていました。以下はコードの一部ですが、「RuntimeError：変数データはテンソルでなければなりませんが、リストを取得しました」というエラーが表示されます。入力データをテンソルにキャストしようとしましたが、うまく機能しませんでした。誰かが解決策を知っている場合は、私を助けてください...

    def read_labels(file):
      dic = {}
      with open(file) as f:
        reader = f
        for row in reader:
            dic[row.split(",")[0]]  = row.split(",")[1].rstrip() #rstrip(): eliminate "\n"
      return dic

    image_names= os.listdir("./train_mini")
    label_dic = read_labels("labels.csv")


    names =[]
    labels = []
    images =[]

    for name in image_names[1:]:
        images.append(cv2.imread("./train_mini/"+name))
        labels.append(label_dic[os.path.splitext(name)[0]])

    """
    Data distribution
    """
    N = len(images)
    N_train = int(N * 0.7)
    N_test = int(N*0.2)

    X_train, X_tmp, Y_train, Y_tmp = train_test_split(images, labels, train_size=N_train)
    X_validation, X_test, Y_validation, Y_test = train_test_split(X_tmp, Y_tmp, test_size=N_test)

    """
    Model Definition
    """

    class CNN(nn.Module):
        def __init__(self):
            super(CNN, self).__init__()
            self.head = nn.Sequential(
                nn.Conv2d(in_channels=1, out_channels=10,
                          kernel_size=5, stride=1),
                nn.MaxPool2d(kernel_size=2),
                nn.ReLU(),
                nn.Conv2d(10, 20, kernel_size=5),
                nn.MaxPool2d(kernel_size=2),
                nn.ReLU())
            self.tail = nn.Sequential(
                nn.Linear(320, 50),
                nn.ReLU(),
                nn.Linear(50, 10))

        def forward(self, x):
            x = self.head(x)
            x = x.view(-1, 320)
            x = self.tail(x)
            return F.log_softmax(x)

    CNN = CNN()
    criterion = nn.CrossEntropyLoss()
    optimizer = optim.SGD(CNN.parameters(), lr=0.001, momentum=0.9)


    """
    Training
    """
    batch_size = 50
    for Epoch in range(2):  # loop over the dataset multiple times
        running_loss = 0.0
        for i in range(N / batch_size):
        #for i, data in enumerate(trainloader, 0):
            batch = batch_size * i

            # get the inputs
            images_batch = X_train[batch:batch + batch_size]
            labels_batch = Y_train[batch:batch + batch_size]

            # wrap them in Variable
            images_batch, labels_batch = Variable(images_batch), Variable(labels_batch)

            # zero the parameter gradients
            optimizer.zero_grad()

            # forward + backward + optimize
            outputs = CNN(images_batch)
            loss = criterion(outputs, labels_batch)
            loss.backward()
            optimizer.step()

            # print statistics
            running_loss += loss.data[0]
            if i % 2000 == 1999:    # print every 2000 mini-batches
                print('[%d, %5d] loss: %.3f' %
                      (Epoch + 1, i + 1, running_loss / 2000))
                running_loss = 0.0

    print('Finished Training')

ここでエラーが発生しています

# wrap them in Variable
images_batch, labels_batch = Variable(images_batch), Variable(labels_batch)
pythonmachine-learningdeep-learningpytorch
4
soshi shimada

私の推測が正しい場合、おそらく次の行でエラーが発生しています。

# wrap them in Variable
images_batch, labels_batch = Variable(images_batch), Variable(labels_batch)

その意味は、 images_batchおよび/またはlabels_batchはリストです。次のように、単純にそれらをnumpy配列に変換してからテンソルに変換できます。

# wrap them in Variable
images_batch = torch.from_numpy(numpy.array(images_batch))
labels_batch = torch.from_numpy(numpy.array(labels_batch))

それはあなたの問題を解決するはずです。

Edit：上記のコードスニペットの実行中に次のエラーが発生した場合：

「RuntimeError：指定されたnp.ndarrayをテンソルに変換できません-無効なタイプです。サポートされているタイプはdouble、float、int64、int32、uint8のみです。」

データ型を指定することで、numpy配列を作成できます。例えば、

images_batch = torch.from_numpy(numpy.array(images_batch, dtype='int32'))

images_batchには画像のピクセル情報が含まれているため、int32。詳細については、 公式ドキュメント を参照してください。

5
Wasi Ahmad