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

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。

 RunPod公式サイト 以下のリンクからRunPodへアクセスし、アカウント作成後、10ドルを入金すると、
私とあなたへ、5ドルから500ドルまでの1回限りのランダムクレジットボーナスが 付与される、お友達紹介特典付きリンクとなっています。是非、ご活用下さい。

あわせて読みたい

Runpod | The cloud built for AI GPU cloud computing made simple. Build, train, and deploy AI faster. Pay only for what you use, billed by the millisecond.

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… Stable Diffusionで「思う存分、画像,動画生成がしたい」「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…