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

前準備

Build Tools for Visual Studio 2022 （ビルドツール for Visual Studio 2022），Visual Studio 2022 のインストール（Windows 上）

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

winget install --scope machine Microsoft.VisualStudio.2022.BuildTools 
winget install --scope machine Microsoft.VCRedist.2015+.x64

Build Tools for Visual Studio 2022 のインストール（Windows 上）

【インストールの判断】

Build Tools for Visual Studio は，開発ツールセットである． Visual Studio は統合開発環境であり，いくつかの種類があり，Build Tools for Visual Studioの機能を含むか連携して使用するものである．インストールは以下の基準で判断してください：

• Build Tools for Visual Studio の機能のみが必要な場合

  Build Tools for Visual Studio のインストール を行う．

• Visual Studio の機能が必要である，あるいは，よく分からない場合

  Visual Studio をインストール する．

  Visual Studio 2022 をインストールする際に，「C++ によるデスクトップ開発」を選択することで， Build Tools for Visual Studio 2022 の機能も一緒にインストールされる．

不明な点がある場合は，Visual Studio 全体をインストール を行う方が良い．

Git のインストール（Windows 上）

Git はバージョン管理システムである．

Git の公式ページ: https://git-scm.com/ からダウンロードしてインストール:

1. Git のページを開く

   https://git-scm.com/

2. 　ダウンロードしたいので「Downloads」をクリック
   
3. Windows 版が欲しいので 「Windows」をクリック．
   
4. 64ビット版のインストーラを選ぶ
   
5. ダウンロードした .exe ファイルを実行

   このとき，ライセンス条項の確認を行う．設定は既定（デフォルト）のままでも問題はない．

【サイト内の関連ページ】

Windows での Git のインストール: 別ページ »で説明している．

【関連する外部ページ】

• Git の公式ページ: https://git-scm.com/

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

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．

【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 v8.9.7 のインストールと動作確認: 別ページ »で説明している．

【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

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 v8.9.7 のインストールと動作確認: 別ページ »で説明

【関連する外部ページ】

• 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 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．

【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 v8.9.7 のインストールと動作確認: 別ページ »で説明

【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/

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

① インストールする Python のバージョンの確認

2022年12月時点では， Python 3.10 を使う．

② Python のインストール

【インストール手順の詳細（別ページ） 】

Windows での Python のインストール: 別ページ »で説明している．

【Python の公式ページ】

https://www.python.org/

③ pip と setuptools の更新

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開き，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

2. 次のコマンドを実行する．

   python -m pip install -U pip setuptools
   

   

④ 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

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開き，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

2. 次のコマンドを実行する．

   次のコマンドを実行することにより，pipとsetuptoolsを更新する，Jupyter Notebook，PyQt5、Spyderなどの主要なPython環境がインストールされる．

   python -m pip install -U pip setuptools requests notebook==6.5.7 jupyterlab jupyter jupyter-console jupytext PyQt5 nteract_on_jupyter spyder
   

   

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，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

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，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

   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 %USERPROFILE%
   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

   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 のまとめ: 別ページ »にまとめ

   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