Python，TensorFlow GPU 版 2.10, Keras, scikit-learn, MatplotLib, Python 用 opencv-python のインストール（Windows 上）

【要約】 Windows上でPython及び関連パッケージ（TensorFlow GPU版2.10，Keras，scikit-learn，MatplotLib，opencv-python）のインストール手順を説明している．主な内容として，PythonとGit，7-Zipのインストール，NVIDIA関連ソフトウェア（ドライバ，CUDAツールキット，cuDNN）のセットアップ，TensorFlowと他のパッケージのインストール，環境変数の設定，そして動作確認の方法を説明している．コマンドプロンプトを使用したインストール手順，各ステップでの注意点を説明している．GPUの認識確認や簡単なTensorFlowプログラム例も示している．

【目次】

1. 前準備
2. TensorFlow 2.10（GPU 対応可能）, Keras, scikit-learn, MatplotLib, Python 用 opencv-python のインストール（Windows 上）
3. TensorFlow 2 のプログラム例

【サイト内の関連ページ】

• Windows の種々のソフトウェアのインストール: 別ページ »にまとめ
• 人工知能の実行（Google Colaboratory を使用）: 別ページ »にまとめ
• TensorFlow GPU 版 1.15 のインストール: 別ページ »で説明

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 (TensorFlow の最新バージョンの確認など)
• https://github.com/tensorflow/tensorflow#download-and-setup　(TensorFlow の最新情報の確認など)

GPUとは

GPUは，グラフィックス・プロセッシング・ユニット（Graphics Processing Unit）の略です．その高い並列計算能力から，３次元コンピュータグラフィックス，３次元ゲーム，動画編集，科学計算，ディープラーニングなど，並列処理が必要な幅広い分野で活用されています．

TensorFlowとNVIDIAソフトウェアの関連

TensorFlowは，Googleが開発した機械学習フレームワークであり，ディープラーニング開発で広く使われています．Python，C/C++言語から利用可能で，CPUだけでなく，NVIDIA GPUやGoogle TPU上で計算を高速化できます．TensorFlowでGPUの計算能力を活用するには、NVIDIAが提供するドライバ、CUDAツールキット、cuDNNライブラリが必要になります．

TensorFlowの特徴として「データフローグラフ」があります．これは，「データの流れ」を表現するもので，グラフの節点は演算（オペレーション）を，エッジはデータ（テンソル）の流れを表します．TensorFlowを使用することで，音声，画像，テキスト，ビデオなど多様なデータを扱う機械学習アプリケーションの開発が容易になります．2015年11月に初版がリリースされて以来，継続的にバージョンアップが続いています．

TensorFlow GPU版などのGPU対応フレームワークを利用するための主な動作要件（2024年7月現在参考）：

• NVIDIA グラフィックス・ボード: CUDAに対応したNVIDIA製GPUが必要です．

  Windows で，NVIDIA グラフィックス・ボードの種類を確認するには，次のコマンドをコマンドプロンプトで実行します．

  wmic path win32_VideoController get name
  

• NVIDIA ドライバ: GPUをOSに認識させ、性能を引き出すためのソフトウェアです．
• NVIDIA CUDA ツールキット: GPU上でプログラムを開発・実行するためのプラットフォームです．コンパイラ（nvcc）、ライブラリ、APIなどが含まれます．

  TensorFlow バージョン 2.10.1の動作には，CUDA 11.2が必要です（公式ドキュメントより．対応するDLL: cudart64_110.dll, cusolver64_11.dllなど）。TensorFlowのバージョンによって要求されるCUDAバージョンは異なります。 Windows環境のTensorFlow 2.10ではCUDA 11が必要であり、そして、CUDA 11.8や12.xとの公式な互換性は保証されていないようです。本記事ではCUDA 11.8のインストールを解説しますが、TensorFlow 2.10を使用する場合はCUDA 11.2のインストールを検討してください。

  また，NVIDIA CUDA ツールキット のバージョンを選ぶときは，NVIDIA cuDNNに対応したバージョンを選択することも重要です． 互換性の詳細はcuDNNの公式アーカイブページなどで確認できます．

• NVIDIA cuDNN: ディープニューラルネットワークのためのGPUアクセラレーションライブラリです．畳み込み演算などを高速化します．

  TensorFlow GPU版の動作のためにNVIDIA cuDNNが必要です．これもTensorFlowやCUDAのバージョンとの互換性を確認する必要があります．（例: TensorFlow 2.10はcuDNN 8.1を要求）

  TensorFlowの古いバージョンを使用する場合や特定のバージョン組み合わせについては、対応バージョン情報（別ページ »）も参照してください．

前準備

Visual Studio 2022 Build Toolsとランタイムのインストール

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」）し、以下を実行する。管理者権限は、wingetの--scope machineオプションでシステム全体にソフトウェアをインストールするために必要である。

REM Visual Studio 2022 Build Toolsとランタイムのインストール
winget install --scope machine Microsoft.VisualStudio.2022.BuildTools Microsoft.VCRedist.2015+.x64
set VS_INSTALLER="C:\Program Files (x86)\Microsoft Visual Studio\Installer\setup.exe"
set VS_PATH="C:\Program Files (x86)\Microsoft Visual Studio\2022\BuildTools"
REM C++開発ワークロードのインストール
%VS_INSTALLER% modify --installPath %VS_PATH% ^
--add Microsoft.VisualStudio.Workload.VCTools ^
--add Microsoft.VisualStudio.Component.VC.Tools.x86.x64 ^
--add Microsoft.VisualStudio.Component.Windows11SDK.22621 ^
--includeRecommended --quiet --norestart

Python 3.12 のインストール

インストール済みの場合は実行不要。

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」）し、以下を実行する。管理者権限は、wingetの--scope machineオプションでシステム全体にソフトウェアをインストールするために必要である。

REM Python をシステム領域にインストール
winget install --scope machine --id Python.Python.3.12 -e --silent
REM Python のパス設定
set "PYTHON_PATH=C:\Program Files\Python312"
set "PYTHON_SCRIPTS_PATH=C:\Program Files\Python312\Scripts"
echo "%PATH%" | find /i "%PYTHON_PATH%" >nul
if errorlevel 1 setx PATH "%PATH%;%PYTHON_PATH%" /M >nul
echo "%PATH%" | find /i "%PYTHON_SCRIPTS_PATH%" >nul
if errorlevel 1 setx PATH "%PATH%;%PYTHON_SCRIPTS_PATH%" /M >nul

【関連する外部ページ】

Python の公式ページ: https://www.python.org/

AI エディタ Windsurf のインストール

Pythonプログラムの編集・実行には、AI エディタの利用を推奨する。ここでは，Windsurfのインストールを説明する。

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」）し、以下を実行して、Windsurfをシステム全体にインストールする。管理者権限は、wingetの--scope machineオプションでシステム全体にソフトウェアをインストールするために必要となる。

winget install --scope machine Codeium.Windsurf -e --silent

【関連する外部ページ】

Windsurf の公式ページ: https://windsurf.com/

Gitのインストール

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」）し、以下を実行する。管理者権限は、wingetの--scope machineオプションでシステム全体にソフトウェアをインストールするために必要となる。

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
REM Git のパス設定
set "GIT_PATH=C:\Program Files\Git\cmd"
if exist "%GIT_PATH%" (
    echo "%PATH%" | find /i "%GIT_PATH%" >nul
    if errorlevel 1 setx PATH "%PATH%;%GIT_PATH%" /M >nul
)

CMakeのインストール

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」）し、以下を実行する。管理者権限は、wingetの--scope machineオプションでシステム全体にソフトウェアをインストールするために必要となる。

REM CMake をシステム領域にインストール
winget install --scope machine --id Kitware.CMake -e --silent
REM CMake のパス設定
set "GMAKE_PATH=C:\Program Files\CMake\bin"
if exist "%GMAKE_PATH%" (
    echo "%PATH%" | find /i "%GMAKE_PATH%" >nul
    if errorlevel 1 setx PATH "%PATH%;%GMAKE_PATH%" /M >nul
)

7-Zip のインストール

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」）し、以下を実行する。管理者権限は、wingetの--scope machineオプションでシステム全体にソフトウェアをインストールするために必要となる。

REM 7-Zip をシステム領域にインストール
winget install --scope machine --id 7zip.7zip -e --silent
REM 7-Zip のパス設定
set "SEVENZIP_PATH=C:\Program Files\7-Zip"
if exist "%SEVENZIP_PATH%" (
    echo "%PATH%" | find /i "%SEVENZIP_PATH%" >nul
    if errorlevel 1 setx PATH "%PATH%;%SEVENZIP_PATH%" /M >nul
)

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 11.8 のインストール（Windows 上）

1. 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．
2. 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」）。
3. 次のコマンドを実行

   次のコマンドは，NVIDIA GeForce Experience，NVIDIA CUDA ツールキット 11.8 をインストールするものである．

   wmic path win32_VideoController get name
   
   winget install --scope machine Nvidia.CUDA --version 11.8
   powershell -command "[System.Environment]::SetEnvironmentVariable(\"CUDA_HOME\", \"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\", \"Machine\")"
   

4. 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．

   mkdir C:\TEMP
   powershell -command "[System.Environment]::SetEnvironmentVariable(\"TEMP\", \"C:\TEMP\", \"User\")"
   

NVIDIA cuDNN 8.9.7 のインストール（Windows 上）

zlib のインストール（Windows 上）

1. 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」）。
2. 次のコマンドを実行

   次のコマンドは，zlibをインストールし，パスを通すものである．

   cd /d c:%HOMEPATH%
   rmdir /s /q zlib
   git clone https://github.com/madler/zlib
   cd zlib
   del CMakeCache.txt
   rmdir /s /q CMakeFiles\
   cmake . -G "Visual Studio 17 2022" -A x64 -T host=x64 -DCMAKE_INSTALL_PREFIX=c:/zlib
   cmake --build . --config RELEASE --target INSTALL
   powershell -command "$oldpath = [System.Environment]::GetEnvironmentVariable(\"Path\", \"Machine\"); $oldpath += \";c:\zlib\bin\"; [System.Environment]::SetEnvironmentVariable(\"Path\", $oldpath, \"Machine\")"
   powershell -command "[System.Environment]::SetEnvironmentVariable(\"ZLIB_HOME\", \"C:\zlib\", \"Machine\")"
   

【関連する外部ページ】

• zlib の公式ページ: https://www.zlib.net/

【関連項目】 zlib

NVIDIA cuDNN 8.9.7 のインストール手順（Windows上）

1. NVIDIA cuDNN のウェブページを開きます。

   https://developer.nvidia.com/cuDNN

2. ダウンロードセクションに進みます。（「Download cuDNN」ボタンなどをクリック）
   
3. NVIDIA Developer Program へのログイン/登録が求められます。アカウントがない場合は無料で作成します。（「Join now」または「Login」）

   利用者本人が，電子メールアドレス，表示名，パスワード，生年月日などを登録し，利用条件等に合意します．

   
4. ログイン後、ダウンロードページが表示されます。最新版ではなく特定のバージョンが必要なため、「Archive of Previous cuDNN Releases」やそれに類するリンクをクリックします。
   
5. アーカイブページで、目的のメジャーバージョン（例: cuDNN 8.x）を選択します。
   
6. ダウンロードしたいバージョン（今回は cuDNN v8.9.7）を探し、インストール済みのCUDAバージョン (今回は CUDA 11.x) に対応するものを選びます。

   「cuDNN Library for Windows (x86_64)」のような、Windows向けのリンクをクリックします。

   
7. ライセンス条項を確認・同意し、ダウンロードを開始します。（.zip ファイルがダウンロードされます）
   
8. ダウンロードした .zip ファイルを、7-Zipなどのツールを使って展開（解凍）します。

   Windows での展開（解凍）に便利な 7-Zipのインストール方法は、別ページで説明しています．

   展開すると、通常 bin, include, lib というサブフォルダが含まれています。

   
9. CUDAツールキットがインストールされているディレクトリを開きます。デフォルトでは通常「C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8」です。
   
10. (重要) ファイルのコピー: 先ほど展開してできたcuDNNのフォルダ（bin, include, lib）の中身を、それぞれ対応するCUDAツールキットのインストールディレクトリ内のフォルダ（bin, include, lib）にコピー（マージ）します。
    • 展開したcuDNNの bin フォルダ内のファイル (例: cudnn*.dll) を CUDA の bin フォルダ (C:\...\v11.8\bin) へコピーします。
    • 展開したcuDNNの include フォルダ内のファイル (例: cudnn*.h) を CUDA の include フォルダ (C:\...\v11.8\include) へコピーします。
    • 展開したcuDNNの lib\x64 フォルダ内のファイル (例: cudnn*.lib) を CUDA の lib\x64 フォルダ (C:\...\v11.8\lib\x64) へコピーします。
    
11. パスが通っていることを確認します。

    cuDNNのDLLファイル（例: cudnn64_8.dll - バージョンによって数字は変わります）が、CUDAツールキットの bin ディレクトリ（システム環境変数 PATH に含まれているはず）に正しくコピーされたか確認します。

    新しいコマンドプロンプトを開き，次のコマンドを実行します。DLLファイルのフルパスが表示されればOKです。エラーメッセージが出ないことを確認してください．

    where cudnn64_8.dll
    

    (注: cudnn64_8.dll はcuDNN 8.x系のファイル名です。バージョンによってファイル名が異なる場合があります。where cudnn*.dll などで確認してください。)

    
12. (オプション) システム環境変数 CUDNN_PATH の設定

    一部のフレームワークやライブラリは、cuDNNの場所を特定するために CUDNN_PATH 環境変数を参照することがあります。設定しておくと互換性が向上する場合があるため、設定を推奨します。

    Windows では，コマンドプロンプトを管理者として開き，次のコマンドを実行して、システム環境変数 CUDNN_PATH をCUDAツールキットのインストールディレクトリに設定します。

    コマンドプロンプトを管理者として実行する方法は、別ページで説明しています．

    powershell -command "[System.Environment]::SetEnvironmentVariable(\"CUDNN_PATH\", \"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\", \"Machine\")"
    

    

TensorFlow 2.10（GPU 対応可能）, Keras, scikit-learn, MatplotLib, Python 用 opencv-python のインストール（Windows 上）

インストール手順

1. 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」）。
2. 使用する Python のバージョンの確認

   python --version
   

   
3. pip と setuptools の更新

   * 「 python -m pip install ...」は，Python パッケージをインストールするためのコマンド．

   python -m pip install -U pip setuptools
   

   
4. 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．

   python -m pip uninstall -y protobuf 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
   

   
5. TensorFlow 2.10 , Keras, scikit-learn, Python 用 opencv-python, pillow, matplotlib, seaborn のインストール

   python -m pip install -U protobuf tensorflow==2.10.1 tf_slim tensorflow_datasets==4.8.3 tensorflow-hub tf-keras keras keras_cv keras-tuner keras-visualizer numpy pillow pydot matplotlib seaborn pandas scipy scikit-learn scikit-learn-intelex opencv-python opencv-contrib-python
   python -m pip install git+https://github.com/tensorflow/docs
   python -m pip install git+https://github.com/tensorflow/examples.git
   python -m pip install git+https://www.github.com/keras-team/keras-contrib.git
   

   
   （以下省略）
6. Windows の システム環境変数 TF_FORCE_GPU_ALLOW_GROWTH に，true 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(\"TF_FORCE_GPU_ALLOW_GROWTH\", \"true\", \"Machine\")"
   

   

動作確認

TensorFlow がインストールできたかを確認したい．

1. Windows では，コマンドプロンプトを実行．
2. 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．

   python -c "import tensorflow as tf; print( tf.__version__ )"
   

   

   次のようなメッセージが出た場合には，メッセージに従い， NVIDIA ドライバ，NVIDIA CUDA ツールキット， NVIDIA cuDNN のインストールを行う． 但し，GPU がない場合には，このメッセージを無視する．

   

   • Windows での NVIDIA ドライバ，NVIDIA CUDA ツールキット 11.8，NVIDIA cuDNN v8.9.7 のインストールと動作確認: 別ページ »で説明
3. TensorFlow パッケージの情報の表示

   pip show tensorflow
   

   
4. (GPU を使うとき) TensorFlow からGPU が認識できているかの確認

   TensorFlow が GPU を認識できているかの確認は，端末で，次を実行して行う．

   python -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．

   

   ここで，GPU があるのに，TensorFlow から認識されていないかもしれない． TensorFlow GPU 版が指定するバージョンの NVIDIA CUDA ツールキット，NVIDIA cuDNN がインストールされていないことが原因かも知れない．

   TensorFlow 2.5 の GPU 版での，cuDNN のバージョンは 8.2，TensorFlow 2.4 の GPU 版での，cuDNN のバージョンは 8.0.5，TensorFlow 2.3, 2.2, 2.1 の GPU 版での，cuDNN のバージョンは 7.6．そして，TensorFlow 1.13 以上 TensorFlow 2.0 までの GPU 版での，cuDNN のバージョンは7.4 が良いようである．

   Windows での NVIDIA ドライバ，NVIDIA CUDA ツールキット 11.8，NVIDIA cuDNN v8.9.7 のインストールと動作確認: 別ページ »で説明

TensorFlow 2 のプログラム例

1. Windows で，コマンドプロンプトを実行
2. エディタを起動

   cd %HOMEPATH%
   notepad matmul.py
   

   
3. エディタで，次のプログラムを保存

   このプログラムは，TensorFlowを使用してCPUとGPUでの行列積の計算時間を比較する． [5000, 10000, 15000, 20000] の異なる4通りのサイズの行列を2つ生成し，その行列積を求める．そのとき， 計算時間を測定して結果を表示する．

   import os
   import tensorflow as tf
   import time
   
   def measure_time(func):
       start_time = time.perf_counter()
       result = func()
       end_time = time.perf_counter()
       calculation_time = end_time - start_time
       return calculation_time
   
   def run_matmul(device_type, matrix_size):
       print(f'実行開始 - Matrix Size: {matrix_size}')
       print('device_type の設定:', device_type)
   
       if device_type == 'CPU':
           with tf.device('/CPU:0'):
               X = tf.random.uniform((matrix_size, matrix_size), minval=0, maxval=1)
               Y = tf.random.uniform((matrix_size, matrix_size), minval=0, maxval=1)
               calculation_time = measure_time(lambda: tf.matmul(X, Y))
       else:
           with tf.device('/GPU:0'):
               X = tf.random.uniform((matrix_size, matrix_size), minval=0, maxval=1)
               Y = tf.random.uniform((matrix_size, matrix_size), minval=0, maxval=1)
               calculation_time = measure_time(lambda: tf.matmul(X, Y))
   
       physical_devices = tf.config.list_physical_devices()
       gpu_devices = tf.config.list_physical_devices('GPU')
   
       print(f"Running on {device_type}")
       print(f"Available devices: {physical_devices}")
       print(f"Calculation time: {calculation_time:.6f} seconds")
       print()
   
   # GPUの利用可能性を確認
   print("GPU available:", tf.config.list_physical_devices('GPU'))
   
   # デバイス名を取得
   device_name = tf.config.list_logical_devices('GPU')
   print("Device name:", device_name)
   
   matrix_sizes = [5000, 10000, 15000, 20000]
   
   for size in matrix_sizes:
       print(f'Matrix Size: {size}')
       run_matmul('GPU', size)
       run_matmul('CPU', size)
       print('---')
   

   
4. Python プログラムの実行

   Python プログラムの実行

   • Windows では python （Python ランチャーは py）
   • Ubuntu では python3

   【サイト内の関連ページ】 Python のまとめ: 別ページ »

   プログラムを matmul.pyのようなファイル名で保存したので， 「python matmul.py」のようなコマンドで行う．

   python matmul.py
   

   
5. 結果の確認
   

【まとめ】 Windows上でPython及び関連パッケージ（TensorFlow GPU版2.10，Keras，scikit-learn，MatplotLib，opencv-python）のインストール手順を説明．