サイトの全体構成

NVIDIA ドライバ，NVIDIA CUDA ツールキット 11.8, NVIDIA cuDNN 8, Python 開発環境，TensorFlow のインストール（Ubuntu 上）

【目次】

前準備
NVIDIA ドライバ，NVIDIA CUDA ツールキット 11.8, NVIDIA cuDNN 8 のインストール（Ubuntu 上）
Python3 開発用ファイル，pip, setuptools, venv のインストール，Python 開発環境，Python コンソール（Jupyter Qt Console, Jupyter ノートブック (Jupyter Notebook), Jupyter Lab, Nteract, spyder）のインストール（Ubuntu 上）
TensorFlow 2.11，Keras，MatplotLib, Python 用 opencv-python のインストール（Ubuntu 上）
TensorFlow のプログラム例

【サイト内の主な Ubuntu 関連ページ】

システム更新: 別ページ »で説明
インストール後の設定: 別ページ »で説明
Ubuntu のセットアップ: 別ページ »で説明
Ubuntu, WSL2 について: 別ページ »にまとめ

先人に感謝．

このWebページに記載しているプログラムは https://github.com/tensorflow/tensorflow#download-and-setup をもとに作成

【関連する外部ページ】

https://pypi.python.org/pypi/tensorflow-gpu
参考 Web ページ: https://github.com/tensorflow/tensorflow#download-and-setup

前準備

Ubuntu のシステム更新

Ubuntu で OS のシステム更新を行うときは，端末で，次のコマンドを実行する．

Ubuntu のインストールは別ページ »で説明

sudo apt -y update
sudo apt -yV upgrade
sudo /sbin/shutdown -r now

NVIDIA ドライバ，NVIDIA CUDA ツールキット 11.8, NVIDIA cuDNN 8 のインストール（Ubuntu 上）

● GPU

GPU は，グラフィックス・プロセッシング・ユニット（Graphics Processing Unit）の略である．現在は，３次元のビデオゲーム，さまざまな計算，ディープラーニングの高速な並列処理などに用いられている．

NVIDIA CUDA ツールキット

NVIDIA CUDA ツールキットは，NVIDIA社が提供する GPU 用のツールキットである．GPU を用いた演算のプログラム作成や動作のための各種機能を備えている．ディープラーニングでも利用されている．

【サイト内の関連ページ】

Windows での NVIDIA ドライバ，NVIDIA CUDA ツールキット 11.8，NVIDIA cuDNN v8.8 のインストールと動作確認: 別ページ »で説明
Ubuntu での NVIDIA ドライバ，NVIDIA CUDA ツールキット 11.8, NVIDIA cuDNN 8 のインストール: 別ページ »で説明

【関連する外部ページ】

NVIDIA ドライバのダウンロードの公式ページ: https://www.nvidia.co.jp/Download/index.aspx?lang=jp
NVIDIA CUDA ツールキットのアーカイブの公式ページ: https://developer.nvidia.com/cuda-toolkit-archive
NVIDIA CUDA ツールキットの公式のドキュメント: https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html
NVIDIA CUDA ツールキットのインストールに関する，NVIDIA CUDA クイックスタートガイドの公式ページ: https://docs.nvidia.com/cuda/cuda-quick-start-guide/index.html

NVIDIA CUDA ツールキットのインストール時の注意点

【NVIDIA CUDA ツールキットの動作に必要なもの】

最新のNVIDIA ドライバ
Windows で，NVIDIA グラフィックス・カードの種類を調べたいときは， hwinfo (URL: https://www.hwinfo.com) を使って調べることができる．
Windows では，Build Tools for Visual StudioもしくはVisual Studio

【Windows でインストールするときの注意点】

Windows では， NVIDIA CUDA ツールキットのインストール中は，なるべく他のウインドウはすべて閉じておくこと．
NVIDIA CUDA ツールキットのインストールが終わったら，ユーザ環境変数 TEMP の設定を行う．
Windows のユーザ名が日本語のとき，nvcc がうまく動作しないエラーを回避するためである．
ユーザ環境変数 TEMP に「C:\TEMP」を設定するために，コマンドプロンプトで，次のコマンドを実行する．
```
call powershell -command "[System.Environment]::SetEnvironmentVariable(\"TEMP\", \"C:\TEMP\", \"User\")"
```

NVIDIA cuDNN

NVIDIA cuDNN は， NVIDIA CUDA ツールキット上で動作するディープラーニング・ライブラリである．畳み込みニューラルネットワークやリカレントニューラルネットワークなど，さまざまなディープラーニングで利用されている．

Windows で，NVIDIA cuDNN の利用時に「Could not locate zlibwapi.dll. Please make sure it is in your library path!」と表示されるときは， ZLIB DLL をインストールすること．

【関連する外部ページ】

NVIDIA cuDNN のダウンロードの公式ページ: https://developer.nvidia.com/cudnn
winimage の ZLIB DLL の公開ページ: http://www.winimage.com/zLibDll/

NVIDIA cuDNN のインストール時の注意点

【NVIDIA cuDNN の動作に必要なもの】

最新のNVIDIA ドライバ
対応するバージョンのNVIDIA CUDA ツールキット
最新のNVIDIA CUDA ツールキットでは動かないということもあるので注意．
Windows では，ZLIB DLL

ZLIB DLL は，データの圧縮と展開（解凍）の機能を持ったライブラリ．
ZLIB DLL のインストールを行うため， Windows で，コマンドプロンプトを管理者として実行

コマンドプロンプトを管理者として実行: 別ページ »で説明

次のコマンドを実行．
但し，「v11.8」のところは，実際にインストールされている NVIDIA CUDA ツールキットのバージョンを確認し，読み替えてください．
```
cd "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin"
curl -O http://www.winimage.com/zLibDll/zlib123dllx64.zip
call powershell -command "Expand-Archive zlib123dllx64.zip"
copy zlib123dllx64\dll_x64\zlibwapi.dll .
```
NVIDIA Developer Program メンバーシップへの加入が必要．
NVIDIA Developer Program の公式ページ: https://developer.nvidia.com/developer-program

NVIDIA ドライバ

NVIDIA ドライバは，NVIDIA 社製の GPU を動作させるのに必要なドライバである．次の NVIDIA の公式サイトからダウンロードできる．ダウンロードのときは，使用しているオペレーティングシステムとGPUに適したものを選ぶこと．

【関連する外部ページ】

NVIDIA ドライバのダウンロードの公式ページ: https://www.nvidia.co.jp/Download/index.aspx?lang=jp

【インストール手順の詳細説明】

Windows での NVIDIA ドライバ，NVIDIA CUDA ツールキット 11.8，NVIDIA cuDNN v8.8 のインストールと動作確認: 別ページ »で説明
Ubuntu での NVIDIA ドライバ，NVIDIA CUDA ツールキット 11.8, NVIDIA cuDNN 8 のインストール: 別ページ »で説明

NVIDIA ドライバ，NVIDIA CUDA ツールキット, NVIDIA cuDNN のインストールの要点と注意点

TensorFlow, PyTorch を使うためには，インストールする NVIDIA CUDA ツールキットのバージョン，NVIDIA cuDNN のバージョンに注意する必要がある．
そのことについて，より詳しい説明は：別ページ »で説明
NVIDIA CUDA ツールキットのダウンロード(Windows, Linux):
NVIDIA CUDA ツールキットのアーカイブの公式ページ: https://developer.nvidia.com/cuda-toolkit-archive
NVIDIA cuDNN のダウンロード， NVIDIA CUDA ツールキットに合致する NVIDIA cuDNN のバージョンの確認 (Windows, Linux):
NVIDIA cuDNN のページ: https://developer.nvidia.com/cudnn
必ず，使用する NVIDIA CUDA ツールキットにあう NVIDIA cuDNN を使うこと．
NVIDIA cuDNN のインストール後に，必要に応じて，環境変数 CUDNN_PATH を設定する．

NVIDIA ドライバのインストール

NVIDIA グラフィックス・カードがある場合に限り，あとで，NVIDIA CUDA ツールキット，NVIDIA cuDNN のインストールを行う．

NVIDIA グラフィックス・カードの確認
CUDA 対応の GPU であるかを確認のため，端末で，次のコマンドを実行する．
（表示が空になるときは，NVIDIAのグラフィックス・カードが無い可能性がある）．
```
lspci | grep -i nvidia | grep VGA
```

nouveau ドライバの無効化

端末で，次のコマンドを実行する．

echo 'blacklist nouveau' | sudo tee -a /etc/modprobe.d/blacklist-nouveau.conf
echo 'options nouveau modeset=0' | sudo tee -a /etc/modprobe.d/blacklist-nouveau.conf
cat /etc/modprobe.d/blacklist-nouveau.conf
sudo update-initramfs -u

NVIDIA ドライバとNVIDIA CUDA ツールキットのアンインストール
NVIDIA ドライバのインストール，NVIDIA CUDA ツールキットがインストールされていた場合には，アンイントールする．端末で，次のコマンドを実行する．
```
dpkg -l | grep cuda 
cd /tmp
sudo apt --purge remove -y nvidia-*
sudo apt --purge remove -y cuda-*
sudo apt autoremove -y
```
カーネルヘッダーと，カーネル開発用パッケージのインストール
端末で，次のコマンドを実行する．
```
sudo apt -y update
sudo apt -y install linux-headers-$(uname -r)
```
NVIDIA ドライバのインストール操作
「sudo ubuntu-drivers autoinstall」を用いて NVIDIA ドライバをインストールする．
端末で，次のコマンドを実行する．
```
sudo apt -y update
sudo apt -y upgrade
sudo apt dist-upgrade
ubuntu-drivers devices
sudo ubuntu-drivers autoinstall
sudo update-initramfs -u
```
Ubuntu システムの再起動
グラフィックスドライバが入れ変わったので，Ubuntu システムを再起動する．
端末で，次のコマンドを実行する．
```
sudo /sbin/shutdown -r now
```
NVIDIA ドライバの確認
システムの再起動後，端末で，次のコマンドを実行し，ドライバ等を確認する
先頭の「Driver Version」のところに，ドライバのバージョンが表示される．
```
nvidia-smi
```

NVIDIA CUDA ツールキット11.8 のインストール

Ubuntu で NVIDIA ドライバ，NVIDIA CUDA ツールキット 11.8 のインストールを行う．

NVIDIA CUDA ツールキットは，NVIDIA社が提供する GPU 用のツールキットである．GPU を用いた演算のプログラム作成や動作のための各種機能を備えている．ディープラーニングでも利用されている． NVIDIA 社のグラフィックス・カードが持つ GPU の機能を使うとき，NVIDIA CUDA ツールキットを利用することができる．

【関連する外部ページ】

NVIDIA CUDA ツールキットの URL: https://developer.nvidia.com/cuda-toolkit-archive
Linux 用の NVIDIA CUDA ツールキットのレポジトリの URL: https://developer.download.nvidia.com/compute/cuda/repos

Ubuntu のバージョンを確認
端末で，次のコマンドを実行する．
```
uname -m
lsb_release -sc
cat /etc/*release
```
Ubuntu のバージョンが表示されるので確認する．
Ubuntu のバージョンは，VERSION_ID の行などで確認できる．
NVIDIA CUDA パッケージレポジトリで，ファイル名を確認
NVIDIA CUDA パッケージレポジトリの URL: https://developer.download.nvidia.com/compute/cuda/repos/

※ Linux の種類やバージョンごとに，ファイル名が違うので確認する．NVIDIA CUDA パッケージレポジトリでは， Ubuntu 以外の Linux についてのファイルも公開されている : https://developer.download.nvidia.com/compute/cuda/repos/
- Ubuntu 22.04 の場合
  https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/ で確認．
  「.pub」という名前の付いたファイルを確認．
  複数あるときは，新しい方を確認．
  
  「cuda-ubuntu....pin」という名前の付いたファイルを確認．
  使用したいバージョンのものを確認．
- Ubuntu 20.04 の場合
  https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/ で確認．
  「.pub」という名前の付いたファイルを確認．
  複数あるときは，新しい方を確認．
  
  「cuda-ubuntu....pin」という名前の付いたファイルを確認．
- Ubuntu 18.04 の場合
  https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/ で確認．
  Ubuntu 18.04 の場合は cuda-repo パッケージをインストールする．
  スクロールして「cuda-repo・・・」を探す

NVIDIA CUDA パッケージレポジトリを，Ubuntu システムに追加

このとき，いま，確認したファイル名を指定すること．

端末で，次のように操作する．

Ubuntu 22.04 の場合

次の操作により，NVIDIA CUDA のパッケージレポジトリが Ubuntu システムに追加される．

sudo wget -O /etc/apt/preferences.d/cuda-repository-pin-600 https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-ubuntu2204.pin
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/3bf863cc.pub
sudo add-apt-repository "deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/ /"

Ubuntu 20.04 の場合

次の操作により，NVIDIA CUDA のパッケージレポジトリが Ubuntu システムに追加される．

sudo wget -O /etc/apt/preferences.d/cuda-repository-pin-600 https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/7fa2af80.pub
sudo add-apt-repository "deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/ /"

Ubuntu 18.04 の場合

NVIDIA CUDA パッケージレポジトリを，Ubuntu システムに追加（いま確認したファイル名のファイルを追加）．

cd /tmp
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-repo-ubuntu1804_10.1.243-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1804_10.1.243-1_amd64.deb
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/7fa2af80.pub
sudo apt -y update

インストールできる CUDA のバージョンの確認
```
apt-cache search cuda-11
```
NVIDIA CUDA パッケージレポジトリを用いて，NVIDIA CUDA ツールキット 11.8 のインストール
次の操作により，NVIDIA ドライバ，NVIDIA CUDA ツールキット 11.8 がインストールされる．
端末で，次のコマンドを実行する．
```
sudo apt -y update
sudo apt -y install cuda-11-8
sudo update-initramfs -u
sudo /sbin/shutdown -r now
```

NVIDIA CUDA ツールキットにパスを通す設定

端末で，次のコマンドを実行する．

export CUDA_PATH=/usr/local/cuda-11.8
echo 'export CUDA_PATH=/usr/local/cuda-11.8' >> ${HOME}/.bashrc
export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:${LD_LIBRARY_PATH}
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:${LD_LIBRARY_PATH}' >> ${HOME}/.bashrc
export PATH=/usr/local/cuda-11.8/bin:${PATH}
echo 'export PATH=/usr/local/cuda-11.8/bin:${PATH}' >> ${HOME}/.bashrc

インストールできたことの確認のため，CUDA ツールキットのバージョンを確認
端末で，次のコマンドを実行する．
```
cat /usr/local/cuda-11.8/version.json
```

NVIDIA cuDNN のインストール

Ubuntu 22.04, Ubuntu 20.04 の場合

パッケージ名の確認
```
apt-cache search cudnn
```
いま確認したパッケージ名を指定して，NVIDIA cuDNN のインストール
```
sudo apt -y update
sudo apt -y install libcudnn8 libcudnn8-dev
```
インストールされたパッケージの確認
```
dpkg -l | grep cudnn 
```

Ubuntu 18.04 の場合

NVIDIA 機械学習パッケージレポジトリからダウンロードして，インストールするという手順を説明する．

NVIDIA 機械学習パッケージレポジトリの URL: https://developer.download.nvidia.com/compute/machine-learning/repos/

NVIDIA 機械学習パッケージレポジトリで，ファイル名を確認
NVIDIA 機械学習パッケージレポジトリの URL: https://developer.download.nvidia.com/compute/machine-learning/repos/
Ubuntu 18.04 の場合は，https://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1804/x86_64/ で確認．
スクロールして「nvidia-machine-learning-repo ・・・」を探す

NVIDIA 機械学習パッケージレポジトリを，Ubuntu システムに追加

端末で，次のように操作する．このとき，確認したファイル名を指定すること．

cd /tmp
wget https://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1804/x86_64/nvidia-machine-learning-repo-ubuntu1804_1.0.0-1_amd64.deb
sudo dpkg -i nvidia-machine-learning-repo-ubuntu1804_1.0.0-1_amd64.deb
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1804/x86_64/7fa2af80.pub
sudo apt -y update

パッケージ名の確認
```
apt-cache search cudnn
```
いま確認したパッケージ名を指定して，NVIDIA cuDNN のインストール
```
sudo apt -y update
sudo apt -y install libcudnn8 libcudnn8-dev
```
インストールされたパッケージの確認
```
dpkg -l | grep cuda 
```

nvcc の動作確認

nvccの動作確認のため， https://devblogs.nvidia.com/easy-introduction-cuda-c-and-c/に記載のソースコードを使用．

まず，エディタを開く（ここではエディタとして，「nano」を使っている）．
```
nano hello.cu
```
その後，ファイルを編集し，ファイルを保存．
ファイル hello.cu ができる．
ビルドと実行．
「nvcc hello.cu」で a.out というファイルができる．「Max error: 0.000000」と表示されればＯＫ．
```
del a.exe
nvcc hello.cu
```
```
./a.out
```

Python3 開発用ファイル，pip, setuptools, venv のインストール，Python 開発環境，Python コンソール（Jupyter Qt Console, Jupyter ノートブック (Jupyter Notebook), Jupyter Lab, Nteract, spyder）のインストール（Ubuntu 上）

Python のインストールは行わない（Ubuntu のシステム Python を用いる．）

Python, pip, Python 開発環境，Python コンソールのコマンドでの起動のまとめ．

Ubuntu のシステム Python を用いるとき， python, pip, Jupyter Qt Console, Jupyter ノートブック (Jupyter Notebook), Jupyter Lab, Nteract, Spyder は，次のコマンドで起動できる．

python3 （Ubuntu のシステム Python）
sudo pip3 （pip 3）
jupyter qtconsole （Jupyter Qt Console）
jupyter notebook （Jupyter ノートブック (Jupyter Notebook)）
jupyter lab （Jupyter Lab）
jupyter nteract （Nteract）
spyder （spyder）

Python3 開発用ファイル，pip, setuptools, venv のインストール

端末で，次のコマンドを実行する．

sudo apt -y update
sudo apt -y install python-is-python3 python3-dev python-dev-is-python3 python3-pip python3-setuptools python3-venv build-essential

6.2 Python 開発環境（JupyterLab, spyder, nteract）

Python3 開発用ファイル，pip, setuptools, venv, Python 開発環境，Python コンソール（Jupyter Qt Console, Jupyter ノートブック (Jupyter Notebook), Jupyter Lab, Nteract, spyder）のインストール

端末で，次のコマンドを実行する．

sudo apt -y update
sudo apt -y install python-is-python3 python3-dev python-dev-is-python3 python3-pip python3-setuptools python3-venv build-essential
sudo pip3 uninstall ptyprocess sniffio terminado tornado jupyterlab jupyter jupyter-console jupytext nteract_on_jupyter spyder
sudo apt -y install jupyter jupyter-qtconsole spyder3
sudo apt -y install python3-ptyprocess python3-sniffio python3-terminado python3-tornado
sudo pip3 install -U jupyterlab jupyter jupyter-console jupytext nteract_on_jupyter

Ubuntu システムの python3 のバージョンの確認
```
python3 --version 
```
Jupyter Qt Console の起動チェック
まず，numpy, matplotlib のインストールのため，端末で，次のコマンドを実行する．
```
sudo apt -y update
sudo apt -y install python3-numpy python3-matplotlib
```
端末で，次のコマンドを実行する． Jupyter Qt Console が開けば OK．
```
jupyter qtconsole
```

確認のため，Jupyter Qt Console で，次の Python プログラムを実行してみる．

import numpy as np
%matplotlib inline
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings('ignore')   # Suppress Matplotlib warnings

x = np.linspace(0, 6, 100)
plt.style.use('default')
plt.plot(x, np.sin(x))

nteract の起動チェック
端末で，次のコマンドを実行する． ntetact が開けば OK．
```
jupyter nteract
```

確認のため，nteract で，次の Python プログラムを実行してみる．

そのために「Start a new notebook」の下の「Python」をクリック，次のプログラムを入れ実行．

import numpy as np
%matplotlib inline
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings('ignore')   # Suppress Matplotlib warnings

x = np.linspace(0, 6, 100)
plt.style.use('default')
plt.plot(x, np.sin(x))

Juypter Notebook で，保存のときに，.py ファイルと .ipyrb ファイルが保存されるように設定．（この設定を行わないときは .ipyrb ファイルのみが保存される）
1. 次のコマンドで，設定ファイルを生成
```
jupyter notebook --generate-config
```
2. jupyter notebook を起動し，Edit, Edit Notbook Manager を選ぶ．次のように設定する．
  "jupytext": {"formats": "ipynb,py"}

numpy, scikit-learn のインストール

インストールするには，端末で，次のコマンドを実行する．

sudo apt -y update
sudo apt -y install python3-numpy python3-sklearn

numpy の動作確認のためPython プログラムの実行

Ubuntu では， Python プログラムを動かすために，「python3」コマンドを使う．

Python プログラムを動かすために， python3のコマンドを使う． Python 開発環境（Jupyter Qt Console, Jupyter ノートブック (Jupyter Notebook), Jupyter Lab, Nteract, Spyder, PyCharm, PyScripterなど）も便利である． Python 開発環境の説明: 別ページ »にまとめ

python3
import numpy as np
print(np.sin(0))
exit()

Python の数値演算等の性能確認

Python プログラムの実行

Ubuntu では， Python プログラムを動かすために，「python3」コマンドを使う．

import time
import numpy
import numpy.linalg
import sklearn.decomposition
import sklearn.cluster
X = numpy.random.rand(2000, 2000)
Y = numpy.random.rand(2000, 2000)
# 行列の積
a = time.time(); Z = numpy.dot(X, Y); print(time.time() - a)
# 主成分分析
pca = sklearn.decomposition.PCA(n_components = 2)
a = time.time(); pca.fit(X); X_pca = pca.transform(X); print(time.time() - a)
# SVD
a = time.time(); U, S, V = numpy.linalg.svd(X); print(time.time() - a)
# k-means
a = time.time(); 
kmeans_model = sklearn.cluster.KMeans(n_clusters=10, random_state=10).fit(X)
labels = kmeans_model.labels_
print(time.time() - a)

実行結果の例

行列の積: 0.07 秒
主成分分析: 0.11 秒
SVD: 2.46 秒
k-Means クラスタリング: 1.48 秒

TensorFlow 2.11，Keras，MatplotLib, Python 用 opencv-python のインストール（Ubuntu 上）

設定の要点

環境変数 TF_FORCE_GPU_ALLOW_GROWTH の設定: true

TensorFlow 2.11，Keras，MatplotLib, Python 用 opencv-python のインストール

端末を開く

パッケージのアンインストール操作

トラブルの可能性を減らすために，次の操作でアンインストールを行っておく．

sudo apt -y remove python3-keras
sudo pip3 uninstall -y tensorflow tensorflow-cpu tensorflow-gpu tensorflow-intel tensorflow-text tf-models-official tf_slim tensorflow_datasets tensorflow-hub keras keras-tuner keras-visualizer

TensorFlow の前提パッケージのインストール

端末で，次のコマンドを実行する．

sudo pip3 uninstall -y six wheel astunparse tensorflow-estimator numpy keras-preprocessing absl-py wrapt gast flatbuffers grpcio opt-einsum protobuf termcolor typing-extensions google-pasta h5py tensorboard-plugin-wit markdown werkzeug requests-oauthlib rsa cachetools google-auth google-auth-oauthlib tensorboard tensorflow
sudo apt -y install python3-six python3-wheel python3-numpy python3-grpcio python3-protobuf python3-termcolor python3-typing-extensions python3-h5py python3-markdown python3-werkzeug python3-requests-oauthlib python3-rsa python3-cachetools python3-google-auth

TensorFlow, numpy, pillow, pydot, matplotlib, keras, opencv-python のインストール

インストールするには，端末で，次のコマンドを実行する．

sudo apt -y update
sudo apt -y install python3-numpy python3-pil python3-pydot python3-matplotlib
sudo apt -y install libopencv-dev libopencv-core-dev python3-opencv libopencv-contrib-dev opencv-data
sudo pip3 install -U tensorflow tf-models-official tf_slim tensorflow_datasets tensorflow-hub keras keras-tuner keras-visualizer 
sudo pip3 install git+https://github.com/tensorflow/docs
sudo pip3 install git+https://github.com/tensorflow/examples.git
sudo pip3 install git+https://www.github.com/keras-team/keras-contrib.git

TensorFlow のバージョン確認

バージョン番号が表示されれば OK．下の図とは違うバージョンが表示されることがある．
```
python3 -c "import tensorflow as tf; print( tf.__version__ )"
```
このあと、TensorFlow からGPU が認識できているかの確認
端末で，次のコマンドを実行する．
```
python3 -c "from tensorflow.python.client import device_lib; print(device_lib.list_local_devices())"
```
実行結果の中に，次のように「device_type: "GPU"」があれば，GPUが認識できている．エラーメッセージが出ていないことを確認しておくこと．

環境変数 TF_FORCE_GPU_ALLOW_GROWTH の設定

環境変数の名前
TF_FORCE_GPU_ALLOW_GROWTH
値
true

端末で，次のコマンドを実行する．

export TF_FORCE_GPU_ALLOW_GROWTH=true
echo 'export TF_FORCE_GPU_ALLOW_GROWTH=true' >> ${HOME}/.bashrc

TensorFlow, Keras, VGG 16, InceptionV3, Imagenet による画像分類を試してみる

前準備として h5py, pillow のインストール

sudo apt -y update
sudo apt -y install python3-h5py python3-pillow

画像の準備
10.png のようなファイル名で保存しておく

Python プログラムの実行

cd ＜画像を置いたディレクトリ＞
python3

VGG 16, Imagenet による学習済みの重みデータによる画像分類を試してみる
次のプログラムをコピー＆ペースト
Kerasのサイトで公開されているものを少し書き換えて使用。
「'10.png'」のところは，実際に使用する画像ファイル名に書き換えること．
Python プログラムの実行

Ubuntu では， Python プログラムを動かすために，「python3」コマンドを使う．

Python プログラムを動かすために， python3のコマンドを使う． Python 開発環境（Jupyter Qt Console, Jupyter ノートブック (Jupyter Notebook), Jupyter Lab, Nteract, Spyder, PyCharm, PyScripterなど）も便利である． Python 開発環境の説明: 別ページ »にまとめ
```
import h5py
from tensorflow.keras.preprocessing import image
from tensorflow.keras.applications.vgg16 import VGG16
from tensorflow.keras.applications.vgg16 import preprocess_input
import numpy as np

m = VGG16(weights='imagenet', include_top=False)

img_path = '10.png'
img = image.load_img(img_path, target_size=(299, 299))
x = image.img_to_array(img)
x = np.expand_dims(x, axis=0)
x = preprocess_input(x)

features = m.predict(x)
print(features) 
```
python3 の終了は「exit()」
InceptionV3, Imagenet による学習済みの重みデータによる画像分類を試してみる
次のプログラムをコピー＆ペースト
Kerasのサイトで公開されているものを少し書き換えて使用。
「'10.png'」のところは，実際に使用する画像ファイル名に書き換えること．
Python プログラムの実行

Ubuntu では， Python プログラムを動かすために，「python3」コマンドを使う．

Python プログラムを動かすために， python3のコマンドを使う． Python 開発環境（Jupyter Qt Console, Jupyter ノートブック (Jupyter Notebook), Jupyter Lab, Nteract, Spyder, PyCharm, PyScripterなど）も便利である． Python 開発環境の説明: 別ページ »にまとめ
```
import h5py
from tensorflow.keras.preprocessing import image
from tensorflow.keras.applications.inception_v3 import preprocess_input, decode_predictions, InceptionV3
import numpy as np

m = InceptionV3(weights='imagenet')

img_path = '10.png'
img = image.load_img(img_path, target_size=(299, 299))
x = image.img_to_array(img)
x = np.expand_dims(x, axis=0)
x = preprocess_input(x)

preds = m.predict(x)

print('Predicted:')
for p in decode_predictions(preds, top=5)[0]:
    print("Score {}, Label {}".format(p[2], p[1]))
```
python3 の終了は「exit()」

TensorFlow のプログラム例

TensorFlow がインストールできたかを確認したい．

Python プログラムを実行する

Python プログラムの実行: 別ページ »で説明

Python のまとめ: 別ページ »にまとめ

次の Python プログラムを実行してみる．
結果として「b'Hello, TensorFlow!'」のように表示されるので確認する．
```
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
print(hello)
```
今度は，次の Python プログラムを実行する
結果として「42」のように表示されるので確認する．
「tf.add(a, b)」と「a + b」は，同じ結果になる
```
import tensorflow as tf
a = tf.constant(10)
b = tf.constant(32)
print( tf.add(a, b) )
print( a + b )
```

今度は，次の Python プログラムを実行する

結果として「[[ 12.]]」のように表示されるので確認する．

import tensorflow as tf
matrix1 = tf.constant([[3., 3.]])
matrix2 = tf.constant([[2.],[2.]])
print( tf.matmul(matrix1, matrix2) )

本サイトは金子邦彦研究室のWebページである．

資料等の公開では，原則，「クリエイティブコモンズ BY NC SA」として公開するようにしている． PDFファイル，パワーポイントファイルなどには，「クリエイティブコモンズ BY NC SA」を明記するとともに，ロゴを記載するようにしている（作業が間に合っていない分もあるのでご容赦ください）．

公開している資料をご利用になる場合の，再配布の条件，剽窃の防止などについて，別ページ »で説明再配布や資料改変の際には，そのページをご確認ください．

サイトマップは，サイトマップのページをご覧下さい．本サイト内の検索は，サイト内検索のページをご利用下さい．

問い合わせ先：金子邦彦（かねこくにひこ） [image]