Google Colabいくつかのエラーとランタイムの復旧

当記事は下記ページ【CodeFormerの使い方】のスポットライト記事として書いたものです。”Google Colab の使用方法”については下記記事からご覧ください。

Sakasa AI

【CodeFormerの使い方】3通りの方法 | Sakasa AI CodeFormerとは？ 顔の復元・補完・高画質化に特化したAIツールです。主に次のような用途に向いています ぼやけた顔写真を鮮明にしたいとき AI生成画像の崩れた顔（目・口…

よくあるエラーとその原因

エラーが「頻発する」と感じる原因

• Colabはセッション型なので環境が毎回リセットされる → インストールやマウントを毎回やり直す必要がある
• 無料版はリソース制限が厳しい → GPUが割り当てられないこともある
• 安定性よりも柔軟性重視の設計 → 初心者にとっては不安定に見えることも

対処・工夫ポイント

• !pip install などで毎回必要なライブラリをインストールするセルを用意
• 長時間実行が必要なら Colab Pro / RunPod などへの移行も検討
• 定期的に Drive やファイルパスをチェック
• ノートブックの再起動後は「セルの最初から再実行」を意識する

PyTorch のインストールに関連するエラー

ImportError: /usr/local/lib/python3.11/dist-packages/torch/lib/libtorch_cuda.so: undefined symbol: ncclMemFree

解決方法

1. PyTorch と CUDA のバージョンを一致させる Google ColabでCUDAとPyTorchが互換性のあるバージョンを手動でインストールする必要があります。次のコマンドを実行して、正しいバージョンをインストールします。

!pip uninstall torch torchvision torchaudio -y
!pip install torch==2.0.1+cu118 torchvision==0.15.2+cu118 torchaudio==2.0.2+cu118 -f https://download.pytorch.org/whl/torch_stable.html

このコマンドは、CUDA 11.8 に対応した PyTorch 2.0.1、torchvision 0.15.2、および torchaudio 2.0.2 をインストールします。

2. ランタイムを再起動 インストールが完了したら、Google Colabのランタイムを再起動する必要があります。再起動後、もう一度コードを実行。

Numpy がインストールされていない、もしくは適切に利用できない状態

RuntimeError: Numpy is not available

このエラーを解決するためには、Numpy を手動でインストールする必要があります。

解決手順

1. Numpy をインストールする まず、Numpy をインストールします。

!pip install numpy

2. 再度実行する Numpy をインストールした後、もう一度顔補正コードを実行してみる。

もしエラーがまだ解消されない場合は、他にも依存関係が不足している可能性があるので、ランタイムの復旧を行ってみましょう。

Sakasa AI

Pythonで画像生成を始める方法～Pythonの基礎からインストールまで～ | Sakasa AI Python（パイソン）とは Python（パイソン）とは、1991年にオランダのプログラマ、グイド・ヴァンロッサム氏によって開発された、汎用の高水準プログラミング言語です。主…

復旧手順

1. メニューから「ランタイム」＞「ランタイムの接続を解除して削除」 を押してください
   （これでColabの環境を初期状態に戻します）
2. 新しいランタイムを割り当てる必要があります。
   • Colab画面の上の方にある▶️【接続】ボタン（または【再接続】【ランタイムを接続】）を押して、新しく接続
3. リセット後、必須ライブラリのインストールをします

必須ライブラリのインストール

!pip install torch==2.0.1 torchvision==0.15.2
!pip install basicsr facexlib gfpgan
!pip install -U numpy

torch／torchvision は CodeFormer 推奨バージョンに固定
basicsr／facexlib／gfpgan は補完モデルに必要
numpy は汎用依存ライブラリ

CodeFormer リポジトリのクローンと依存関係インストール

!git clone https://github.com/sczhou/CodeFormer.git
%cd CodeFormer
!pip install -r requirements.txt

ここで basicsr などが重複して入ることがありますが問題ありません。

学習済みモデル（重み）のダウンロード

!mkdir -p weights
!wget https://github.com/sczhou/CodeFormer/releases/download/v0.1.0/codeformer.pth \
      -O weights/codeformer.pth

画像アップロード用セルの実行

from google.colab import files
uploaded = files.upload()

補正（推論）実行セルの実行

import torch
from basicsr.archs.codeformer_arch import CodeFormer
from torchvision.transforms.functional import to_tensor, to_pil_image
from PIL import Image

# モデルロード
device = 'cuda' if torch.cuda.is_available() else 'cpu'
net = CodeFormer(dim_embd=512, codebook_size=1024, n_heads=8, n_layers=9,
                connect_list=["32","64","128","256"]).to(device)
net.load_state_dict(torch.load('weights/codeformer.pth')['params_ema'])
net.eval()

# 画像読み込み
path = list(uploaded.keys())[0]
img = Image.open(path).convert("RGB")
inp = to_tensor(img).unsqueeze(0).to(device)

# 推論
with torch.no_grad():
    out = net(inp, w=0.7)[0]
img_restored = to_pil_image(out.cpu().clamp(0,1))

# 保存・表示
img_restored.save('restored_image.png')
display(img_restored)

出力ファイルのダウンロード（任意）

files.download('restored_image.png')

まだ解決しない場合

このエラーは、NumPy のバージョンと他のパッケージ（特に PyTorch や basicsr）との互換性が壊れていることが原因です。Colab のランタイムを再接続したあと、インストール順や互換性が崩れることがよくあります。

パッケージの競合を整理する

以下のステップで、再構築できます。

ステップ①：ランタイムのリセット（再確認）

• 「ランタイム」>「ランタイムを出荷時設定にリセット」
• その後「接続」し直す
• ノートブックを最初からやり直す

ステップ②：競合パッケージをクリアして再インストール

以下を 順番通りにセルで実行

# 最初に旧パッケージを削除（特に古いtorchやnumpy関連）
!pip uninstall -y torch torchvision torchaudio numpy

# 正しい組み合わせで再インストール（Colabに最適）
!pip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2
!pip install numpy==1.24.3

# CodeFormer用ライブラリ
!pip install basicsr facexlib gfpgan

# CodeFormer本体をクローン
!git clone https://github.com/sczhou/CodeFormer.git
%cd CodeFormer
!pip install -r requirements.txt

リセットが必要な理由

• もともとColabにはPyTorch 2.1系＋CUDA 12.1の組み合わせが入っています
• そこに違うバージョン（例えばCUDA 11.8向けとか）を無理にインストールすると、CUDAライブラリやNCCLライブラリが壊れます
• 結果、undefined symbol: ncclMemFree など「ライブラリシンボルが見つからない」という致命的エラーになります
• Colabでは、壊れた環境を元に戻すにはリセットしかありません。

Sakasa AI

Colab の無料枠制限で GPU 上限に達した場合の”回復までの時間”と”代替手段” | Sakasa AI Colab の無償枠で GPU 上限に達してしまった場合に、ユニットの購入以外の方法をまとめました。使用方法なども解説しています。

その他の手段

 RunPod公式サイト

あわせて読みたい

Runpod – The Cloud Built for AI Develop, train, and scale AI models in one cloud. Spin up on-demand GPUs with GPU Cloud, scale ML inference with Serverless.

Colab以外の手段として、テンプレートの用意されているレンタルクラウドGPUの”RunPod”を使用するという方法もあります。
RunPod の方が扱いやすいと感じるかどうかは、人それぞれですが、すでにStable Diffusion を経験されていたり、CodeFormer や GFPGAN といった 画像修復・顔補正系の画像生成ツールも、RunPod のような GPU クラウド環境の方が扱いやすい傾向があります。

Colab vs RunPod の比較（画像生成・LoRA学習ユーザー向け）

RunPod が向いているタイプ

• LoRA や DreamBooth の長時間学習を行う
• Kohya_ss、AUTOMATIC1111などGUIツールを活用したい
• CUDAやPyTorchの設定に時間を取られたくない
• ローカルPCのスペックが不十分または重くしたくない
• 初心者であっても、直感的に画像生成がしたい

一方で、Colabが向いている人

• 完全無料でまず試したい
• GPUをちょっと使ってみたい（短時間でOK）
• Jupyter Notebook に慣れている／Pythonコード中心で操作したい

あわせて読みたい

高性能クラウドGPUを使用できる”RunPod”はStable Diffusion学習の最適解！個人利用の効率よいクラウド環… Stable Diffusionで「思う存分、画像生成がしたい」「自分の作風を学習させたい」「LoRAやDreamBoothを試してみたい」と思ったら、まず課題になるのがGPUの性能や学習環…