Windows での Python 3.7 のインストール,インストール後の設定,Python の各種パッケージのインストール,性能確認の手順をスクリーンショット等で説明する.
【目次】
【サイト内の関連ページ】等:
【外部ページへのリンク】https://docs.python.org/ja/3/using/windows.html
【Python のインストールでの注意点】
Windows で,ユーザ名が日本語のとき,あとでトラブルが発生するかもしれない. トラブルの回避のため, Python をシステム管理者の領域にインストール(パソコンの全ユーザの共有領域)する.
TensorFlow を使う予定がある場合は,https://pypi.org/project/tensorflow-gpu/#filesで,必要な Python のバージョンを確認しておく. 2022/9 時点では,TensorFlow バージョン 2.10 が動くのは,Python 3.10 または Python 3.9 または Python 3.8 または Python 3.7 (https://pypi.org/project/tensorflow/2.10/#files)
ページの上の方にある「Downloads」をクリック
TensorFlow を使う予定がある場合は,https://pypi.org/project/tensorflow-gpu/#filesで,必要な Python のバージョンを確認しておくこと. 2020/5 時点では,Python 3.5 か 3.6 か 3.7 か 3.8
以下,Python 3.7.7 (2020/05 時点の 3.7 系列の最新版)を選んだとして説明を続ける.他のバージョンでも以下の手順はだいたい同じである.
Windows の 64ビット版のインストーラをダウンロードしたいので、「x86_64-executable-installer」を選ぶ
※ すでに Python ランチャーをインストール済みのときは, 「Install launcher for all users (recommended)」がチェックできないようになっている場合がある.そのときは,チェックせずに進む.
そして,Python のインストールディレクトリは,「C:\Program Files\Python37」のように自動設定されることを確認.
「Install」をクリック
さきほど、「Add Python ... to PATH」をチェックしたので、 Python についての設定が自動で行われたことを確認する
py とpip にパスが通っていることの確認である.
where py where pip
where py では「C:\Windows\py.exe」 が表示され, where pip では「C:\Program Files\Python37\Scripts\pip.exe」 が表示されることを確認. (「37」のところは使用する Python のバージョンに読み替えること).
※ エラーメッセージが出ないことを確認.
py --version
py
下の実行例では、バージョン番号として「1900」が表示されている
下の実行例では、バージョン番号として「14.1」が表示されている
from distutils.msvc9compiler import * get_build_version()
exit() で終了
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
Windows では,コマンドプロン プトを管理者として実行し, 次のコマンドを実行する.
python -m pip install -U pip setuptools
pip list
行列の積, 主成分分析, SVD, k-Means クラスタリングを実行し,性能を確認する.
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
python -m pip install -U numpy scikit-learn scikit-learn-intelex
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