トップページインストール,運用Windows の種々のソフトウエアのインストールTensorFlow 1.15.5のインストール(Windows 上)

TensorFlow 1.15.5のインストール(Windows 上)

目次

  1. NVIDIA ドライバ,NVIDIA CUDA ツールキット, NVIDIA cuDNN のインストール
  2. Python 3.7 64 ビット版のインストール,pip と setuptools の更新,Python 開発環境のインストール(Windows 上)
  3. TensorFlow 1.15.5のインストール
  4. TensorFlow の動作確認

TensorFlow 1.15.5 を動かすため:

次の方針で運用することが考えられる.

【サイト内の関連ページ】:

先人に感謝.

NVIDIA ドライバ,NVIDIA CUDA ツールキット 10.0,NVIDIA cuDNN 7.6.5 のインストール

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.

インストールの詳細説明

(NVIDIA GPU を使うとき) 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

Windows での追加の注意点

(NVIDIA GPU を使うとき)TensorFlow 1.15.5 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

TensorFlow を pip コマンドでインストールするとき, TensorFlow のバージョンによって, 必要となる NVIDIA CUDA ツールキットNVIDIA cuDNNバージョンが違う.必ずしも,「最新の NVIDIA CUDA ツールキット,NVIDIA cuDNN で動く」ということではないので,注意が必要である.

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.

TensorFlow 2.0.4, TensorFlow 1.15.5, TensorFlow 1.14.0, tensorflow 1.13.2 の場合:

NVIDIA CUDA ツールキット10.0 を使う.(10.2, 10.1 は不可(実際に試みて検証済み)).

NVIDIA cuDNN 7.6.5 を使う.(8系列はない).

NVIDIA CUDA ツールキット 10.0, NVIDIA cuDNN 7 の根拠: cudart64_100.dll, cudnn64_7.dll が必要

Visual Studio Community 2017 のインストール

NVIDIA CUDA 10.0 は Visual Studio Commnity 2017, 2015, 2013, 2012 と連携して動く機能がある.

NVIDIA CUDA 10.0 のインストールの前に, Visual Studio Commnity 2017 のインストールを行う.

Visual Studio Commnity 2017 のインストールは, https://visualstudio.microsoft.com/ja/vs/older-downloads/ で「2017」を選び,「ダウンロード」をクリック. その後表示されるダウンロードの画面で, 「Visual Studio Commnity 2017」を選ぶ.

(NVIDIA グラフィックス・カードを使うとき)NVIDIA ドライバのインストール

インストールの詳細説明

インストールの要点

NVIDIA CUDA ツールキット 10.0, NVIDIA cuDNN 7.6.5 のインストール

インストールの詳細説明

Windows でのNVIDIA ドライバ,NVIDIA CUDA ツールキット 10.0,NVIDIA cuDNN 7.6.5 のインストール: 別ページで説明している.

インストールの要点

Python 3.7 64 ビット版のインストール,pip と setuptools の更新,Python 開発環境のインストール(Windows 上)

① Python 3.7 64 ビット版のインストール(Windows 上)

インストールの要点

インストール手順

Windows での Python 3.7 のインストール(あとのトラブルが起きにくいような手順を定めている)

  1. Python の URL を開く

    URL: https://www.python.org

  2. Windows 版の Python 3.7 をダウンロード

    ページの上の方にある「Downloads」をクリック,「Download」の下にメニューが出るので,その中の「Windows」をクリック.

    そして,Python 3.7.x (x は数字)を探す.

    そして,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,「Windows x86-64 executable installer」を選ぶ

    [image]
  3. インストール時の設定
    1. いまダウンロードした .exe ファイルを右クリック, 右クリックメニューで「管理者として実行」を選ぶ.

      [image]
    2. Python ランチャーをインストールするために,「Install launcher for all users (recommended)」をチェック.

      ※ 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.

    3. Add Python 3.7 to PATH」をチェック.

      [image]
    4. Customize installation」をクリック.

      [image]
    5. オプションの機能 (Optional Features)は,既定(デフォルト)のままでよい. 「Next」をクリック

      [image]
    6. Install for all users」を選んでおいたほうが,複数人で使えて便利という考え方もある.

      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

      [image]
    7. Disable path length limit」が表示される場合がある.クリックして,パス長の制限を解除する

      [image]
    8. インストールが終了したら,「Close」をクリック
  4. インストールのあと,Windows のスタートメニューに「Python 3.7」が増えていることを確認.
  5. システムの環境変数 Path の確認のため,新しくコマンドプロンプトを開き,次のコマンドを実行.

    pypip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.

インストールの詳細説明

https://www.kkaneko.jp/tools/win/python37.html

② pip と setuptools の更新(Windows 上)

  1. コマンドプロンプト管理者として実行

    Windows での pip の実行では,コマンドプロンプト管理者として実行することにする。

    [image]
  2. 次のコマンドを実行

    py -3.7 -m pip install -U pip setuptools
    

pip は,次のコマンドで起動できる.

TensorFlow 1.15.5のインストール

  1. Windows で,コマンドプロンプト管理者として実行する.

    [image]
  2. 使用する Python 3.7 のバージョンの確認
    py -3.7 --version
    

    [image]
  3. pip と setuptools の更新

    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.

    py -3.7 -m pip install -U pip setuptools
    

    [image]
  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.

    py -3.7 -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
    

    [image]
  5. TensorFlow 1.15.5, Keras, scikit-learn, Python 用 opencv-python 4.3, pillow, matplotlib, seaborn のインストール

TensorFlow の動作確認

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

  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

    py -3.7 -c "import tensorflow as tf; print( tf.__version__ )"
    

    [image]
  3. (GPU を使うとき) TensorFlow が GPU が認識できてるかの確認

    実行結果の中に,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.

    py -3.7 -c "from tensorflow.python.client import device_lib; print(device_lib.list_local_devices())"
    

    [image]

    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 を pip コマンドでインストールするとき, TensorFlow のバージョンによって, 必要となる NVIDIA CUDA ツールキットNVIDIA cuDNNバージョンが違う.必ずしも,「最新の NVIDIA CUDA ツールキット,NVIDIA cuDNN で動く」ということではないので,注意が必要である.

    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.

    Windows での NVIDIA グラフィックスドライバ,NVIDIA CUDA ツールキット 10.0,NVIDIA cuDNN 7.6.5 のインストール: 別ページで説明している.

  4. 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 プログラムを動かす

    ※  開発環境や Python コンソール(Jupyter Qt ConsoleSpyderPyCharmPyScripter など)が便利.

    メッセージを表示するプログラム

    結果として 「b'Hello, TensorFlow!'」のように表示されるので確認する.

    py -3.7
    import tensorflow as tf
    hello = tf.constant('Hello, TensorFlow!')
    sess = tf.Session()
    result = sess.run(hello)
    print(result)
    sess.close()
    exit()
    

    [image]
  5. 今度は,次の Python プログラムを実行してみる.

    足し算を行うプログラム

    結果として 「42」のように表示されるので確認する.

    py -3.7
    import tensorflow as tf
    a = tf.constant(10)
    b = tf.constant(32)
    sess = tf.Session()
    result = sess.run(a + b)
    print(result)
    sess.close()
    exit()
    

    [image]
  6. 今度は,次の Python プログラムを実行してみる.

    配列を扱うプログラム

    結果として 「[[ 12.]]」のように表示されるので確認する.

    py -3.7
    import tensorflow as tf
    matrix1 = tf.constant([[3., 3.]])
    matrix2 = tf.constant([[2.],[2.]])
    product = tf.matmul(matrix1, matrix2)
    sess = tf.Session()
    result = sess.run(product)
    print(result)
    sess.close()
    exit()
    

    [image]