トップページ -> インストール，設定，利用 -> Windows の種々のソフトウェア（インストール，使い方） -> TensorFlow 2.9.1（GPU 対応可能）, Keras, scikit-learn, MatplotLib, Python 用 opencv-python 4.3 のインストール（Windows 上）

サイトマップ

サイト内検索

まとめ

アクセスログ

金子邦彦研究室

TensorFlow 2.9.1（GPU 対応可能）, Keras, scikit-learn, MatplotLib, Python 用 opencv-python 4.3 のインストール（Windows 上）

NVIDIA ドライバ，NVIDIA CUDA ツールキット, NVIDIA cuDNN のインストールについて

GPU は，グラフィックス・プロセッシング・ユニットの略で、コンピュータグラフィックス関連の機能，乗算や加算の並列処理の機能などがある． NVIDIA CUDA ツールキット は，NVIDIA社が提供している GPU 用のプラットフォームである．

インストール手順の説明

• Windows での NVIDIA ドライバ，NVIDIA CUDA ツールキット 11.7.0，NVIDIA cuDNN v8.4.1 のインストール: 別ページで説明している．
• Ubuntu での NVIDIA ドライバ，NVIDIA CUDA ツールキット 11.7, NVIDIA cuDNN 8.4.1 のインストール: 別ページで説明している

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

• NVIDIA CUDA ツールキット, NVIDIA cuDNN の新バージョンのインストールでは， 旧バージョンのアンインストールの操作は必要ない．
• 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： 別ページで説明している．

• 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ページ: https://developer.nvidia.com/cuda-toolkit-archive

• ZLIB DLL のダウンロード: https://www.winimage.com/zLibDll で zlib123dllx64.zip
• 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．

TensorFlow, PyTorch 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

「NVIDIA CUDA ツールキット, NVIDIA cuDNN のバージョンは何でも良い」か？ そして， 「TensorFlow, PyTorch のバージョンも何でも良い （あるいは，TensorFlow, PyTorch を使う予定はない）」か？

• これら両方ともにあてはまる場合

  NVIDIA CUDA ツールキット11.7.0, NVIDIA cuDNN 8.4.1 (2022/06時点) を使う．

  その根拠：

  • cudart64_110.dll, cusolver64_11.dll, cudnn64_8.dll が必要
  • NVIDIA cuDNN のページ https://developer.nvidia.com/cudnn で，最新の NVIDIA cuDNN が対応しているNVIDIA CUDA ツールキット のバージョンである

    必ずしも，最新の NVIDIA CUDA ツールキット を使えるとは限らないので確認が必要．

• これらのうち，片方でも当てはまらない場合

  古い版を使うことになる． 組み合わせに注意が必要である． そのことについての詳しい説明は： 別ページで説明している．

前準備

① Build Tools for Visual Studio 2022 （ビルドツール for Visual Studio 2022）もしくは Visual Studio 2022 のインストール

Build Tools for Visual Studio 2022 （ビルドツール for Visual Studio 2022）もしくはVisual Studio 2022 を，前もってインストールしておく．

• Visual Studio を使う予定がある場合

  Windows での Visual Studio 2022 のインストール: 別ページで説明している．

• Visual Studio を使う予定がない場合

  Build Tools for Visual Studio 2022 （ビルドツール for Visual Studio 2022） のインストール: 別ページで説明している．

② NVIDIA ドライバについて

1. 古いNVIDIA ドライバ，NVIDIA CUDA がインストール済みのとき，不要なものがあればアンインストール

   Windows のスタートメニューで「設定」，「アプリ」と操作して，「NVIDIA ・・・」を削除

2. NVIDIA グラフィックス・カードの種類を調べる

   hwinfo (URL: https://www.hwinfo.com) を使って調べることができる．

3. あとで，NVIDIA CUDA ツールキットをインストールするときに，NVIDIA ドライバを同時にインストールすることができる．

   あとで、NVIDIA CUDA ツールキットをインストールするので、そのときに、NVIDIA ドライバもインストールすることにする．次へ進む．

   但し， NVIDIA CUDA ツールキットの古いバージョンを使う場合には，次のページから，最新のNVIDIA ドライバをダウンロードして，インストールする．

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

③ NVIDIA CUDA ツールキット 11.7.0，NVIDIA cuDNN 8.4.1 のインストール

• NVIDIA CUDA ツールキット 11.7.0 のダウンロードとインストール

  NVIDIA ドライバのインストールが必要な場合は，このときに，同時にインストールする

  次のページからダウンロードし，インストールする．

  NVIDIA CUDA ツールキットのページ: https://developer.nvidia.com/cuda-toolkit-archive

  NVIDIA CUDA クイックスタートの公式ページ: https://docs.nvidia.com/cuda/cuda-quick-start-guide/index.html

• NVIDIA cuDNN のダウンロードと設定
  1. ZLIB DLL のダウンロードとインストール

     管理者として実行した コマンドプロンプトで，次のコマンドを実行．

     v11.7」のところは，実際にインストールされている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\v11.7\bin"
     curl -O http://www.winimage.com/zLibDll/zlib123dllx64.zip
     call powershell -command "Expand-Archive zlib123dllx64.zip"
     copy zlib123dllx64\dll_x64\zlibwapi.dll .
     

     

     Windows で 「Could not locate zlibwapi.dll. Please make sure it is in your library path!」と表示されるときの対処：

     ここの説明を参考に ZLIB DLL をインストールする．

  2. NVidia の cuDNN のウェブページを開く

     https://developer.nvidia.com/cuDNN

  3. 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
  4. NVIDIA Developer Program メンバーシップに入る

     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．

  5. ログインする
  6. ライセンス条項の確認
     • NVIDIA cuDNN のダウンロードページ: https://developer.nvidia.com/cudnn
     • Windows での NVIDIA cuDNN のインストールの詳細説明: 別ページで説明している．
  7. いまダウンロードした zip ファイルを，分かりやすいディレクトリに展開（解凍）する
  8. そこに，パスを通す．

     「C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7」に展開（解凍）した場合は， すでに パスは通っているので，何もしなくてよい．

  9. 次の操作により，cudnn64_8.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．エラーメッセージが出ないことを確認．

     where cudnn64_8.dll
     

     
  10. システム環境変数 CUDNN_PATH の設定を行う．

      システム環境変数 CUDNN_PATH の設定

      管理者として実行した コマンドプロンプトで，次のコマンドを実行．

      「C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7」は， 実際に展開（解凍）したディレクトリに読み替えること．

      call powershell -command "[System.Environment]::SetEnvironmentVariable(\"CUDNN_PATH\", \"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\", \"Machine\")"
      

      

Python のインストール，pip と setuptools の更新，Python 開発環境のインストール

インストールする Python のバージョンの確認

• 「Python のバージョンは何でも良い」し， 「TensorFlow, PyTorch のバージョンも何でも良い （あるいは，TensorFlow, PyTorch を使う予定はない）」 と言う場合は， Python 3.10 (2022/03時点) を使う．

  なお，Python 3.10 は， TensorFlow 2.9.1 (2022/6 時点の最新版) ， PyTorch Stable (1.11.0) (2022/6 時点の最新の Stable 版) に対応している．

  Python 3.10 の根拠：

  • Python のバージョン: Python のページ https://www.python.org で確認
  • 最新の TensorFlow が対応している Python のバージョン: https://pypi.org/project/tensorflow/#files で確認（必ずしも，最新の Python を使うわけではない場合がある）．
  • PyTorch の Stable および LTS のバージョンと，それらが対応している Python のバージョン: https://pytorch.org/ に表示される https://download.pytorch.org/whl/lts/1.8/torch_lts.html, https://download.pytorch.org/whl/cu116/torch_stable.html で確認．（必ずしも，最新の Python を使うわけではない場合がある）．
• 「Python, TensorFlow, PyTorch の中で，使いたいバージョンが決まっているものがある」という場合には， 次により， Python, TensorFlow, PyTorch のバージョンの組み合わせを確認する．

TensorFlow のバージョンの確認

次のページにより確認．

TensorFlow のタグのページ: https://github.com/tensorflow/tensorflow/tags で確認．

TensorFlow が対応する Python のバージョンの確認

2022年3月時点では次の通りである．

• TensorFlow 2.9.1 の場合: Python 3.10, 3.9, 3.8, 3.7 のいずれかを使う．(根拠: https://pypi.org/project/tensorflow/#files)
• TensorFlow 2.8.0 の場合: Python 3.10, 3.9, 3.8, 3.7 のいずれかを使う．(根拠: https://pypi.org/project/tensorflow/2.8.0/#files)
• TensorFlow 2.7.1 の場合: Python 3.9, 3.8, 3.7 のいずれかを使う．(根拠: https://pypi.org/project/tensorflow/2.7.1/#files)
• TensorFlow 2.6.3 の場合: Python 3.9, 3.8, 3.7 のいずれかを使う．(根拠: https://pypi.org/project/tensorflow/2.6.3/#files)
• TensorFlow 2.5.3 の場合: Python 3.9, 3.8, 3.7 のいずれかを使う．(根拠: https://pypi.org/project/tensorflow/2.5.3/#files)
• TensorFlow 2.4.4 の場合: Python 3.8, 3.7, 3.6 のいずれかを使う．(根拠: https://pypi.org/project/tensorflow/2.4.4/#files)
• TensorFlow 2.3.4 の場合: Python 3.8, 3.7, 3.6 のいずれかを使う．(根拠: https://pypi.org/project/tensorflow/2.3.4/#files)
• TensorFlow 2.2.3 の場合: Python 3.8, 3.7, 3.6 のいずれかを使う．(根拠: https://pypi.org/project/tensorflow/2.2.3/#files)
• TensorFlow 2.1.4 の場合: Python 3.7, 3.6 のいずれかを使う．(根拠: https://pypi.org/project/tensorflow/2.1.4/#files)
• TensorFlow 2.0.4 の場合: Python 3.7, 3.6 のいずれかを使う．(根拠: https://pypi.org/project/tensorflow/2.0.4/#files)
• TensorFlow 1.15.5 の場合: Python 3.7, 3.6 のいずれかを使う．(根拠: https://pypi.org/project/tensorflow/1.15.5/#files)
• TensorFlow 1.14.0 の場合: Python 3.7, 3.6, 3.5, 3.4, 3.3, 2.7 のいずれかを使う．(根拠: https://pypi.org/project/tensorflow/1.14.0/#files)
• TensorFlow 1.13.2 の場合: Python 3.7, 3.6, 3.5, 3.4, 3.3, 2.7 のいずれかを使う．(根拠: https://pypi.org/project/tensorflow/1.13.2/#files)

PyTorch が対応する Python のバージョンの確認

2022年3月時点では次の通りである．

• PyTorch LTS (1.8.2) の場合: Python は 3.9, 3.8, 3.7, 3.6 のいずれかを使う．
• PyTorch Stable (1.11.0) の場合: Python は 3.10, 3.9, 3.8, 3.7 のいずれかを使う．

① Python のインストール

• Windows での Python のインストール: 別ページで説明している．
• Ubuntu での Python の利用: システム Python を使うことができるので，インストールは不要．

  Ubuntu で，システム Python 以外の Python をインストールしたい場合は pyenv が便利である: 別ページで説明している．

Python の公式ページ: http://www.python.org/

② pip と setuptools の更新

• Windows の場合
  1. Windows で，コマンドプロンプトを管理者として実行

     Windows で pip を実行するときは，コマンドプロンプトを管理者として実行し，それを使って pip を実行することにする．

     コマンドプロンプトを管理者として実行: 別ページで説明している．

  2. 次のコマンドを実行．

     python -m pip install -U pip setuptools
     

     
• Ubuntu の場合

  システム Python を用いるときは，pip, setuptools の更新は次のコマンドで行う．

  sudo apt -y update
  sudo apt -y install python3-pip python3-setuptools
  

③ Python 開発環境として，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

• Windows の場合
  1. Windows で，コマンドプロンプトを管理者として実行

     Windows で pip を実行するときは，コマンドプロンプトを管理者として実行し，それを使って pip を実行することにする．

     コマンドプロンプトを管理者として実行: 別ページで説明している．

  2. 次のコマンドを実行．

     python -m pip install -U pip setuptools jupyterlab jupyter jupyter-console jupytext nteract_on_jupyter spyder
     

     
  3. Ubuntu の場合

     端末で，次のコマンドを実行．

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

TensorFlow 2.9（GPU 対応可能）, Keras, scikit-learn, MatplotLib, Python 用 opencv-python のインストール

インストール手順

1. Windows で，コマンドプロンプトを管理者として実行する．
   
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 tensorflow tensorflow-cpu tensorflow-gpu tensorflow-text tf-models-official tf_slim tensorflow_datasets tensorflow-hub keras keras-tuner keras-visualizer
   

   
5. TensorFlow 2.9, Keras, scikit-learn, Python 用 opencv-python, pillow, matplotlib, seaborn のインストール

   python -m pip install -U tensorflow tf-models-official tf_slim tensorflow_datasets tensorflow-hub keras 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）

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 11.7.0，NVIDIA cuDNN v8.4.1 のインストール: 別ページで説明している．
   • Windows での NVIDIA cuDNN のインストールの詳細説明: 別ページで説明している．
3. 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 11.7.0，NVIDIA cuDNN v8.4.1 のインストール: 別ページで説明している．

TensorFlow 2 のプログラム例

1. TensorFlow がインストールできたかを確認したい．

   Windows で Python プログラムを動かす．

   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

   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: 別ページにまとめている．

   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)
   

   
2. 今度は，次の Python プログラムを実行してみる．

   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 )
   

   
3. 今度は，次の Python プログラムを実行してみる．

   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) )