サイトマップ サイト内検索 まとめ

教師データ無しでの画像復元 (DmitryUlyanov/deep-image-prior，Python，CUDA 9.2，pytorch, torchvision を使用)

GitHub で公開されている DmitryUlyanov / deep-image-prior は，画像復元（画像のノイズ除去 (image restoration)）の研究成果．超解像（super-resolution）, ノイズ除去（denoisng）， インペインティング（inpainting）など，画像復元全般についての機能を持つ Python のソースコードが公開され，簡単に追試ができる．学習にも役立つ．

ソフトウェアの利用条件は，利用者自身で確認すること．

このページは， Windows での pytorch 0.41 のインストール手順を示すことと， 画像のノイズ除去 (image restoration) におけるAIの応用例の紹介のため，掲載している．

前準備

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．

Python 3.7，Git，CMake のインストール（Windows 上）

Pythonは，プログラミング言語の１つ． Gitは，分散型のバージョン管理システム． CMakeは，クロスプラットフォームのビルドシステム生成ツール．

【手順】

  1. Windows で，コマンドプロンプトを管理者権限で起動する（例：Windowsキーを押し，「cmd」と入力し，「管理者として実行」を選択）

    次のコマンドを実行

    次のコマンドは，Python ランチャーとPython 3.7とGitとCMakeをインストールし，Gitにパスを通すものである．

    次のコマンドでインストールされるGitは 「git for Windows」と呼ばれるものであり， Git，MinGW などから構成されている． 

    winget install --scope machine Python.Launcher
winget install --scope machine Python.Python.3.7
winget install --scope machine Git.Git
powershell -command "$oldpath = [System.Environment]::GetEnvironmentVariable(\"Path\", \"Machine\"); $oldpath += \";c:\Program Files\Git\cmd\"; [System.Environment]::SetEnvironmentVariable(\"Path\", $oldpath, \"Machine\")"
winget install --scope machine Kitware.CMake
powershell -command "$oldpath = [System.Environment]::GetEnvironmentVariable(\"Path\", \"Machine\"); $oldpath += \";c:\Program Files\CMake\bin\"; [System.Environment]::SetEnvironmentVariable(\"Path\", $oldpath, \"Machine\")"

【関連する外部ページ】

【サイト内の関連ページ】

【関連項目】 Python, Git バージョン管理システム, Git の利用, CMake ビルドシステム生成ツール, CMake の使用方法

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）

NVIDIA ドライバ

NVIDIA ドライバは，NVIDIA製GPUを動作させるための重要なソフトウェアである．このドライバをインストールすることにより，GPUの性能を引き出すことができ，グラフィックス関連のアプリ，AI関連のアプリの高速化が期待できる．

ドライバはNVIDIA公式サイトである https://www.nvidia.co.jp/Download/index.aspx?lang=jp からダウンロードできる．このサイトからダウンロードするときには，グラフィックスカードとオペレーティングシステムを選択する． なお，NVIDIA GeForce Experiance を用いてインストールすることも可能である．

【サイト内の関連ページ】

  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）

NVIDIA CUDA ツールキットのインストール時の注意点

NVIDIAのGPUを使用して並列計算を行うためのツールセット

主な機能: GPU を利用した並列処理，GPU のメモリ管理，C++をベースとした拡張言語とAPIとライブラリ

【NVIDIA CUDA ツールキットの動作に必要なもの】

【Windows でインストールするときの注意点】

【関連する外部ページ】

【関連項目】 NVIDIA CUDA ツールキット, NVIDIA CUDA ツールキット 12.5 のインストール（Windows 上）, NVIDIA CUDA ツールキット 11.8 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）．

NVIDIA CUDA ツールキット 10.0，NVIDIA cuDNN 7.6.5 の根拠: cudart64_100.dll, cudnn64_7.dll が必要

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

NVIDIA cuDNN は，NVIDIA CUDA ツールキット上で動作する、高性能なディープラーニング用ライブラリです．畳み込みニューラルネットワーク (CNN) やリカレントニューラルネットワーク (RNN) など，さまざまなディープラーニングモデルのトレーニングと推論を高速化します．

【cuDNN利用時の注意点: zlibwapi.dll エラー】

Windows環境でcuDNNを利用するアプリケーションを実行した際に、「Could not locate zlibwapi.dll. Please make sure it is in your library path!」というエラーが表示されることがあります。これは、cuDNNの一部の機能が圧縮ライブラリである zlib に依存しているためです。このエラーが発生した場合は、後述する手順で ZLIB DLL をインストールする必要があります。

【関連する外部ページ】

NVIDIA cuDNN のインストール（Windows 上）の概要

  1. NVIDIA Developer Program メンバーシップへの加入: cuDNNのダウンロードには無料のメンバーシップ登録が必要です。

    NVIDIA Developer Program の公式ページ: https://developer.nvidia.com/developer-program

  2. 互換バージョンの選択とダウンロード: インストール済みのCUDAツールキットのバージョン (今回は11.x) に適合するcuDNNのバージョン (今回はv8.9.7) を選択し、Windows用のzipファイルをダウンロードします。
  3. ファイルの展開と配置: ダウンロードしたzipファイルを展開（解凍）し、中のファイル（bin, include, lib フォルダ内）を、CUDAツールキットのインストールディレクトリにコピーします。
  4. (オプション) 環境変数の設定: 必要に応じてシステム環境変数 CUDNN_PATH を設定します。
  5. (必要に応じて) ZLIB DLL のインストール: zlibwapi.dll が見つからないエラーが発生する場合にインストールします。
  6. 動作確認: cuDNNライブラリ (cudnn64_*.dll) にパスが通っているか確認します。

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．

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

PyTorch のインストール（Windows 上）

  1. Windows で，コマンドプロンプトを管理者権限で起動する（例：Windowsキーを押し，「cmd」と入力し，「管理者として実行」を選択）
  2. PyTorch のページを確認

    PyTorch の公式ページ: https://pytorch.org/index.html

  3. 次のようなコマンドを実行（実行するコマンドは，PyTorch のページの表示されるコマンドを使う）．

    次のコマンドを実行することにより， PyTorch 2.3 （NVIDIA CUDA 11.8 用）がインストールされる． 但し，Anaconda3を使いたい場合には別手順になる．

    事前に NVIDIA CUDA のバージョンを確認しておくこと（ここでは，NVIDIA CUDA ツールキット 11.8 が前もってインストール済みであるとする）．

    PyTorch で，GPU が動作している場合には，「torch.cuda.is_available()」により，True が表示される． 

    python -m pip install -U --ignore-installed pip
python -m pip uninstall -y torch torchvision torchaudio torchtext xformers
python -m pip install -U torch torchvision torchaudio numpy --index-url https://download.pytorch.org/whl/cu118

python -c "import torch; print(torch.__version__, torch.cuda.is_available())"

    Anaconda3を使いたい場合には， Anaconda プロンプト (Anaconda Prompt) を管理者として実行し， 次のコマンドを実行する． （PyTorch と NVIDIA CUDA との連携がうまくいかない可能性があるため，Anaconda3を使わないことも検討して欲しい）． 

    conda install -y pytorch torchvision torchaudio pytorch-cuda=11.8 cudnn -c pytorch -c nvidia
py -c "import torch; print(torch.__version__, torch.cuda.is_available())"

    【サイト内の関連ページ】

    【関連する外部ページ】

DmitryUlyanov / deep-image-prior をダウンロードし，動かしてみる

ダウンロード

ここでは，Windows で %HOMEPATH% にダウンロードする手順を示す．

  1. 前提ソフトウエア 
    C:\venv\py37\Scripts\activate.bat
python -m pip install -U numpy scipy matplotlib scikit-image==0.17.2 jupyter
  2. ダウンロード 
    cd /d c:%HOMEPATH%
rmdir /s /q deep-image-prior
git clone https://github.com/DmitryUlyanov/deep-image-prior

動作確認

いままでの手順で，いくつかの Python プログラムは，簡単に試せるようになる．

「jupyter notebook ＜ノートブックファイル名＞」で動かす