Python 3.12 Windows開発環境構築ガイド

ここでは、最低限の事前準備について説明する。機械学習や深層学習を行う場合は、NVIDIA CUDA、Visual Studio、Cursorなどを追加でインストールすると便利である。これらについては別ページ https://www.kkaneko.jp/cc/dev/aiassist.htmlで詳しく解説しているので、必要に応じて参照してください。

winget install -e --id Python.Python.3.12 --scope machine --silent --accept-source-agreements --accept-package-agreements --override "/quiet InstallAllUsers=1 PrependPath=1 AssociateFiles=1 InstallLauncherAllUsers=1"

python --version

winget install -e --id Codeium.Windsurf --scope machine --accept-source-agreements --accept-package-agreements --custom "/SUPPRESSMSGBOXES /MERGETASKS=!runcode,addtopath,associatewithfiles,!desktopicon"
powershell -Command "$env:Path=[System.Environment]::GetEnvironmentVariable('Path','Machine')+';'+[System.Environment]::GetEnvironmentVariable('Path','User'); windsurf --install-extension MS-CEINTL.vscode-language-pack-ja --force; windsurf --install-extension ms-python.python --force; windsurf --install-extension Codeium.windsurfPyright --force"

pip と setuptools の更新

1. 以下の手順を管理者権限のコマンドプロンプトで実行する （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」）。
Windows で pip を実行するときは，管理者権限のコマンドプロンプトを使用し，システム領域へのインストールを行う．
2. 次のコマンドを実行する．

   python -m pip install -U pip setuptools
   

   

Python に関しての情報取得

Python にトラブルがあった時に役に立つように，情報取得の手順をまとめている．

1. Python にパスが通っていることの確認

   where python

   
2. python のバージョンの確認

   python --version
   

   
3. Python のビルドに用いられたコンパイラのバージョン番号の確認

   python
   import sys
   print(sys.version)
   

   下の実行例では、バージョン番号として「1943」が表示されている

   
4. exit() で終了
   
5. pip の動作確認

   Python のパッケージも同時にインストールされることが分かる．

   * エラーメッセージが出ないことを確認．

   pip list
   

   

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

次のプログラムは，NumPy と Matplotlib を使用して，0から6までの範囲のsin関数のグラフを描画する．warnings モジュールを使用して Matplotlib の警告表示を抑制し，Matplotlib では，デフォルトのスタイルを使用する．

import numpy as np
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))
plt.show()

性能の確認

• 以下のコマンドを管理者権限のコマンドプロンプトで実行する （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」）。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。

  python -m pip install -U numpy scikit-learn scikit-learn-intelex
  

• numpy の動作確認

  Python プログラムを実行する

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

• Python の数値演算等の性能確認

  Python プログラムを実行する

  次のプログラムは，NumPy と scikit-learn を使用して，行列計算とデータ分析を行う．

  1. 2000x2000 の乱数行列 X と Y を生成し、それらの行列積を計算する．
  2. scikit-learn の PCA を使用して，X の主成分分析を行い，2次元に次元削減する．
  3. NumPy の svd 関数を使用して、X の特異値分解を行う．
  4. scikit-learn の KMeans を使用して，X に対して10クラスタのk-means クラスタリングを行う．

  各操作の実行時間を測定し，結果を出力するプログラムである．

  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: 約0.05 秒
  • 主成分分析: 約0.06 秒
  • SVD: 約1.30 秒
  • k-Means クラスタリング: 約2.99 秒