ZZUTK/Face-Aging-CAAE のインストールとテスト実行（さまざまな年齢の顔画像の合成）（Python 3.7，TensorFlow 1.15.5, scipy 1.1.0 を使用）（Windows 上）

前準備

winget install -e --id Python.Python.3.7 --scope machine --silent --accept-source-agreements --accept-package-agreements --override "/quiet InstallAllUsers=1 PrependPath=1 AssociateFiles=1 InstallLauncherAllUsers=1"

python --version

REM Git をシステム領域にインストール
winget install --scope machine --id Git.Git -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements --override "/VERYSILENT /NORESTART /NOCANCEL /SP- /CLOSEAPPLICATIONS /RESTARTAPPLICATIONS /COMPONENTS=""icons,ext\reg\shellhere,assoc,assoc_sh"" /o:PathOption=Cmd /o:CRLFOption=CRLFCommitAsIs /o:BashTerminalOption=MinTTY /o:DefaultBranchOption=main /o:EditorOption=VIM /o:SSHOption=OpenSSH /o:UseCredentialManager=Enabled /o:PerformanceTweaksFSCache=Enabled /o:EnableSymlinks=Disabled /o:EnableFSMonitor=Disabled"

Visual Studio Community 2017 のインストール

NVIDIA CUDA 10.0 は Visual Studio Commnity 2017, 2015, 2013, 2012 と連携して動く機能がある．

NVIDIA CUDA 10.0 のインストールの前に， Visual Studio Commnity 2017 のインストールを行う．

Visual Studio Commnity 2017 のインストールは， https://visualstudio.microsoft.com/ja/vs/older-downloads/ で「2017」を選び，「ダウンロード」をクリック． その後表示されるダウンロードの画面で， 「Visual Studio Commnity 2017」を選ぶ． インストール時には「C++ によるデスクトップ開発」をチェックしてインストールする．

NVIDIA ドライバのインストール（Windows 上）

1. NVIDIA グラフィックス・ボードの確認

   Windows で，NVIDIA グラフィックス・ボードの種類を調べたいときは， 次のコマンドを実行することにより調べることができる．

   wmic path win32_VideoController get name
   

2. NVIDIA ドライバのダウンロード

   NVIDIA ドライバは，以下の NVIDIA 公式サイトからダウンロードできる．

   https://www.nvidia.co.jp/Download/index.aspx?lang=jp

3. ダウンロードの際には，使用しているグラフィックス・ボードの型番とオペレーティングシステムを選択する．

NVIDIA CUDA ツールキット 10.0 のインストール（Windows 上）

TensorFlow 1.15.5 が必要とする NVIDIA CUDA ツールキットと NVIDIA cuDNN のバージョンの確認

TensorFlow 1.15.5 を動かすために，NVIDIA CUDA ツールキット 10.0，NVIDIA cuDNN 7.6.5 を使う．

（10.2, 10.1 は不可．実際に試みて検証済み）．

インストール手順

1. NVIDIA CUDA ツールキットのアーカイブのページを開く

   https://developer.nvidia.com/cuda-toolkit-archive

2. NVIDIA CUDA ツールキットのバージョンを選ぶ

   ここでは，NVIDIA CUDA ツールキットの10.0を選んでいる

   
3. 「Windows」，「10」，「exe [local]」を選ぶ．
   
4. 「Base Installer」の右横の「Download」をクリックして，.exe ファイルをダウンロード
   
5. exe ファイルのダウンロードが始まる
   
6. ダウンロードした .exe ファイルを実行する．
   
7. 展開（解凍）先ディレクトリ（フォルダ）の指定．

   既定（デフォルト）のままでよい．「OK」をクリック．

   
8. 展開（解凍）が自動で行われるので，しばらく待つ．
   
9. ライセンス条項の確認．
   
10. インストールオプションは，「カスタム（詳細）」を選び，「次へ」をクリック．
    
11. コンポーネントを確認する．

    「CUDA」にチェックする．その他は，必要なものがあればチェックする．「次へ」をクリック．

    
    複数の版の NVIDIA CUDA ツールキットをインストールする場合には，古い版のNVIDIA CUDA ツールキットをインストールするときに「CUDA」だけを選ぶようにする．
12. インストール場所の選択は，既定（デフォルト）のままでよい．「次へ」をクリック．
    
13. Visual Studio Integration について表示された場合

    表示されなくても問題はない．

    表示された場合には，NVIDIA CUDA のインストールを中止して， Visual Studio Commnity 2017 のインストールを行う．

    Visual Studio Commnity 2017 のインストールは， https://visualstudio.microsoft.com/ja/vs/older-downloads/ で「2017」を選び，「ダウンロード」をクリック． その後表示されるダウンロードの画面で， 「Visual Studio Commnity 2017」を選ぶ． インストール時には「C++ によるデスクトップ開発」をチェックしてインストールする．

14. このとき，Windows セキュリティの画面が開くことがある．開いた場合には，「インストール」をクリック．
15. インストールが始まるので，確認する．
    
16. このとき，グラフィックス・カードのドライバのインストールについての画面が表示される場合がある．「インストール」をクリックして，インストールを続行する．
17. Visual Studio がインストール済みのときは，Nsight Visual Studio がインストールされたことが確認できる．確認したら「次へ」をクリック．
    Visual Studio をインストールしていないときは，Nsight for Visual Studio はインストールされない．
18. インストール終了の確認．「閉じる」をクリック．
    
    * 「コンピュータを再起動してください」と表示される場合がある．そのときは，再起動する．
19. GeForce Experience が自動で開く場合がある
    • 利用条件について表示されたときは、よく確認し、納得できる場合のみ同意・続行する
    • リリースハイライトが表示される場合がある．

      リリースハイライトを確認したら，「x」をクリックして閉じる．

    • このとき，最新版への更新が始まり，起動に時間がかかることがある．

      そして「お使いのGPU向けの新しいドライバーが入手可能です」と表示されることがある．そのときは，新しいドライバをインストールする．

NVIDIA cuDNN 7.6.5 のインストール

インストールするNVIDIA cuDNN のバージョンは 7.6.5 for CUDA 10.0

NVIDIA cuDNN のダウンロードとインストールの手順

1. NVIDIA cuDNN のウェブページを開く

   https://developer.nvidia.com/cuDNN

2. ダウンロードしたいので，cuDNNのところにある「Download cuDNN」をクリック．
   
3. NVIDIA Developer Program メンバーシップに入る

   NVIDIA cuDNN のダウンロードのため．

   「Join now」をクリック．その後，画面の指示に従う． 利用者本人が，電子メールアドレス，表示名，パスワード，生年月日を登録．利用条件等に合意．

   
4. ログインする
   
5. 調査の画面が出たときは，調査に応じる
6. ライセンス条項の確認
   
7. 「Archived cuDNN Releases」をクリック
   
8. ダウンロードしたいバージョンを選ぶ

   ここでは「cuDNN v 7.6.5, for CUDA 10.0」を選んでいる．

   このとき，画面の「for CUDA ...」のところを確認し，使用するNVIDIA CUDA のバージョンに合うものを選ぶこと．

   
9. Windows にインストールするので Windows 版を選ぶ
   
10. ダウンロードが始まる．
    
11. ダウンロードした .zip ファイルを展開（解凍）する．展開の結果 cuda という名前のディレクトリができる．その中のサブディレクトリを確認しておく．
    Windows での展開（解凍）に便利な 7-Zip: 別ページ »で説明
    
12. NVIDIA CUDA ツールキットをインストールしたディレクトリは，「C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0」 のようになっている．確認する．
    
13. 確認したら， さきほど展開してできたディレクトリcuda の下にあるすべてのファイルとディレクトリを，NVIDIA CUDA ツールキットをインストールしたディレクトリにコピーする
    

インストール後に行う環境変数の設定

「NVIDIA cuDNN をインストールしたディレクトリ」をもとに環境変数を設定する．

「NVIDIA cuDNN をインストールしたディレクトリ」が C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0 の場合には，次のように設定する．

• すでに，c:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin には，パスが通っている．
• Windows の システム環境変数 CUDNN_PATH に，c:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0 を設定

  Windows で，管理者権限でコマンドプロンプトを起動（手順：Windowsキーまたはスタートメニュー > cmd と入力 > 右クリック > 「管理者として実行」）。

  次のコマンドを実行

  powershell -command "[System.Environment]::SetEnvironmentVariable(\"CUDNN_PATH\", \"c:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\", \"Machine\")"
  

• Windows の システム環境変数 Pathに，次が含まれていることを確認

  C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
  

  

パスの確認

次の操作により，cudnn64_7.dll にパスが通っていることを確認する

Windows のコマンドプロンプトを開き，次のコマンドを実行する．エラーメッセージが出ないことを確認．

where cudnn64_7.dll

TensorFlow 1.15.5, Keras 2.3.1 のインストール

コマンドプロンプトを管理者として実行し，次のコマンドを実行

C:\venv\py37\Scripts\activate.bat
python -m pip uninstall -y tensorflow tensorflow-cpu tensorflow-gpu tensorflow-intel tensorflow-text tensorflow-estimator tf-models-official tf_slim tensorflow_datasets tensorflow-hub keras keras-tuner keras-visualizer scipy pandas matplotlib
# TensorFlow 1.15.5 のため numpy, protobuf の古いバージョンを使用．エラーが出にくいと考えられる numpy 1.16.2, protobuf 3.19.4 を使用
python -m pip install -U numpy==1.16.2 protobuf==3.19.4 tensorflow-gpu==1.15.5 keras==2.3.1 scipy==1.5.4

Face-Aging-CAAE プログラムのダウンロードと展開（解凍）

GitHub の ZZUTK/Face-Aging-CAAE の配布サイト（https://github.com/ZZUTK/Face-Aging-CAAE）で公開されている プログラムを，ダウンロードし展開（解凍）する．

Windows での手順を下に示す．Ubuntu でも同様の手順になる．

1. Windows で，コマンドプロンプトを管理者として実行．
2. その他 Pythonのライブラリのインストール
   venv を使い，孤立した Python の隔離された環境を使っているときは，Windows でも Ubuntu でも同じで，「python -m pip install ...」.

   C:\venv\py37\Scripts\activate.bat
   python -m pip install -U numpy==1.16.2 scipy==1.1.0 scikit-image==0.17.2
   

3. Face-Aging-CAAE のダウンロード

   cd /d c:%HOMEPATH%
   rmdir /s /q Face-Aging-CAAE
   git clone https://github.com/ZZUTK/Face-Aging-CAAE
   

   

ソースコードの書き換え

Python 3 で動くように書きかえ

1. Windows で，コマンドプロンプトを管理者として実行．
2. 2to3 を使う

   Windows での手順を下に示す．Ubuntu でも同様の手順になる．

   cd /d c:%HOMEPATH%
   cd Face-Aging-CAAE
   py -3.7 "C:\Program Files\Python37\Tools\scripts\2to3.py" -w .
   

   
   （以下省略）

Windows で動くように書きかえ

1. Windows で動かしたい ので， エディタを使い，FaceAging.py を書き替えて保存．

   cd /d c:%HOMEPATH%
   cd Face-Aging-CAAE
   notepad FaceAging.py
   

   

   282 行目．「/」を「\\」に書き換え．

   書き換え前

   

   書き換え後

   

   304 行目．同じように，「/」を「\\」に書き換え．

   356 行目．同じように，「/」を「\\」に書き換え．

   378 行目．同じように，「/」を「\\」に書き換え．

UTKFace (Large Scale Face Dataset) のダウンロードと展開（解凍）

1. Web ブラウザで次の URL を開く

   https://susanqq.github.io/UTKFace/

2. 「Aligned & Cropped Faces」データファイルを選んでみる
   
3. 「UTKFace.tar.gz」を選ぶ

   別の方は使わない．

   
4. ダウンロードしたいので，「ダウンロード (DOWNLOAD)」をクリック
   
5. ダウンロードが始まるので確認する．
6. ダウンロードしたファイルを展開（解凍）する．
   Windows での展開（解凍）に便利な 7-Zip: 別ページ »で説明

   tar.gz 形式ファイルを 7-Zip で展開（解凍）すると tar 形式ファイルができ， tar 形式ファイルを 7-Zip で展開（解凍）すると，画像ファイルの入ったディレクトリが得られる．

7. 展開（解凍）してできたディレクトリ UTKFace を確認する．
   
8. ディレクトリ UTKFace の下に多数の顔画像ファイルがあることを確認する．
   

学習

Windows での手順を下に示す．Ubuntu でも同様の手順になる．

1. %HOMEPATH%\Face-Aging-CAAE の下の dataを開いて、「save_data_folder_here.txt」というファイルがあることを確認する
2. 先ほどダウンロードした UTKFace をまるごと、このdataの直下にコピー
   
3. 学習を行う

   main.py の実行

   終了まで時間がかかるので待つ

   C:\venv\py37\Scripts\activate.bat
   cd /d c:%HOMEPATH%\Face-Aging-CAAE
   python main.py
   

   
4. 終了の確認
   
5. 訓練データによる学習結果は save の下の保存される．

   ファイル：save.zip (使用するときは自己責任で．展開して使ってください)

6. save/summary の下に，中間結果が保存されている．次のコマンドにより確認できる．

   cd save/summary
   tensorboard --logdir .
   

7. テスト

   「imagedir」のような名前でディレクトリを作り（名前は何でも良いがわかりやすい名前が良い）、 そこに .jpg ファイルを 10 個以上おき、次のコマンドを実行する．

   python main.py --is_train False --testdir imagedir