TensorFlow GPU 版 1.15.5，Python 3.7 のインストールと動作確認（Windows 上）

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． インストール時には「C++ によるデスクトップ開発」をチェックしてインストールする．

NVIDIA ドライバのインストール（Windows 上）

1. NVIDIA グラフィックス・ボードの確認

   Windows で，NVIDIA グラフィックス・ボードの種類を調べたいときは， 次のコマンドを実行することにより調べることができる．

   wmic path win32_VideoController get name
   

2. NVIDIA ドライバのダウンロード

   NVIDIA ドライバは，以下の NVIDIA 公式サイトからダウンロードできる．

   https://www.nvidia.co.jp/Download/index.aspx?lang=jp

3. ダウンロードの際には，使用しているグラフィックス・ボードの型番とオペレーティングシステムを選択する．

NVIDIA CUDA ツールキット 10.0 のインストール（Windows 上）

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 1.15.5 を動かすために，NVIDIA CUDA ツールキット 10.0，NVIDIA cuDNN 7.6.5 を使う．

（10.2, 10.1 は不可．実際に試みて検証済み）．

インストール手順

1. NVIDIA CUDA ツールキットのアーカイブのページを開く

   https://developer.nvidia.com/cuda-toolkit-archive

2. NVIDIA CUDA ツールキットのバージョンを選ぶ

   ここでは，NVIDIA CUDA ツールキットの10.0を選んでいる

   
3. 「Windows」，「10」，「exe [local]」を選ぶ．
   
4. 「Base Installer」の右横の「Download」をクリックして，.exe ファイルをダウンロード
   
5. exe ファイルのダウンロードが始まる
   
6. ダウンロードした .exe ファイルを実行する．
   
7. 展開（解凍）先ディレクトリ（フォルダ）の指定．

   既定（デフォルト）のままでよい．「OK」をクリック．

   
8. 展開（解凍）が自動で行われるので，しばらく待つ．
   
9. ライセンス条項の確認．
   
10. インストールオプションは，「カスタム（詳細）」を選び，「次へ」をクリック．
    
11. コンポーネントを確認する．

    「CUDA」にチェックする．その他は，必要なものがあればチェックする．「次へ」をクリック．

    

    複数の版の NVIDIA CUDA ツールキットをインストールする場合には，古い版のNVIDIA CUDA ツールキットをインストールするときに「CUDA」だけを選ぶようにする．

12. インストール場所の選択は，既定（デフォルト）のままでよい．「次へ」をクリック．
    
13. Visual Studio Integration について表示された場合

    表示されなくても問題はない．

    表示された場合には，NVIDIA CUDA のインストールを中止して， 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． インストール時には「C++ によるデスクトップ開発」をチェックしてインストールする．

14. このとき，Windows セキュリティの画面が開くことがある．開いた場合には，「インストール」をクリック．
15. インストールが始まるので，確認する．
    
16. このとき，グラフィックス・カードのドライバのインストールについての画面が表示される場合がある．「インストール」をクリックして，インストールを続行する．
17. Visual Studio がインストール済みのときは，Nsight Visual Studio がインストールされたことが確認できる．確認したら「次へ」をクリック．

    Visual Studio をインストールしていないときは，Nsight for Visual Studio はインストールされない．

18. インストール終了の確認．「閉じる」をクリック．
    

    * 「コンピュータを再起動してください」と表示される場合がある．そのときは，再起動する．

19. GeForce Experience が自動で開く場合がある
    • 利用条件について表示されたときは、よく確認し、納得できる場合のみ同意・続行する
    • リリースハイライトが表示される場合がある．

      リリースハイライトを確認したら，「x」をクリックして閉じる．

    • このとき，最新版への更新が始まり，起動に時間がかかることがある．

      そして「お使いのGPU向けの新しいドライバーが入手可能です」と表示されることがある．そのときは，新しいドライバをインストールする．

NVIDIA cuDNN 7.6.5 のインストール

インストールするNVIDIA cuDNN のバージョンは 7.6.5 for CUDA 10.0

NVIDIA cuDNN のダウンロードとインストールの手順

1. NVIDIA cuDNN のウェブページを開く

   https://developer.nvidia.com/cuDNN

2. 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．
   
3. NVIDIA Developer Program メンバーシップに入る

   NVIDIA 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．

   
4. ログインする
   
5. 調査の画面が出たときは，調査に応じる
6. ライセンス条項の確認
   
7. 「Archived cuDNN Releases」をクリック
   
8. ダウンロードしたいバージョンを選ぶ

   ここでは「cuDNN v 7.6.5, for CUDA 10.0」を選んでいる．

   このとき，画面の「for CUDA ...」のところを確認し，使用するNVIDIA CUDA のバージョンに合うものを選ぶこと．

   
9. Windows にインストールするので Windows 版を選ぶ
   
10. ダウンロードが始まる．
    
11. ダウンロードした .zip ファイルを展開（解凍）する．展開の結果 cuda という名前のディレクトリができる．その中のサブディレクトリを確認しておく．

    Windows での展開（解凍）に便利な 7-Zip: 別ページ »で説明

    
12. NVIDIA CUDA ツールキットをインストールしたディレクトリは，「C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0」 のようになっている．確認する．
    
13. 確認したら， さきほど展開してできたディレクトリcuda の下にあるすべてのファイルとディレクトリを，NVIDIA CUDA ツールキットをインストールしたディレクトリにコピーする
    

インストール後に行う環境変数の設定

「NVIDIA cuDNN をインストールしたディレクトリ」をもとに環境変数を設定する．

「NVIDIA cuDNN をインストールしたディレクトリ」が C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0 の場合には，次のように設定する．

• すでに，c:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin には，パスが通っている．
• Windows の システム環境変数 CUDNN_PATH に，c:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0 を設定

  Windows で，管理者権限でコマンドプロンプトを起動（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」）。

  次のコマンドを実行

  powershell -command "[System.Environment]::SetEnvironmentVariable(\"CUDNN_PATH\", \"c:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\", \"Machine\")"
  

• Windows の システム環境変数 Pathに，次が含まれていることを確認

  C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
  

  

パスの確認

次の操作により，cudnn64_7.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する．エラーメッセージが出ないことを確認．

where cudnn64_7.dll

Python 3.7 のインストール（Windows 上）

Pythonは，プログラミング言語の１つ．

【手順】

1. Windows で，管理者権限でコマンドプロンプトを起動（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」）。
2. 次のコマンドを実行

   次のコマンドは，Python ランチャーとPython 3.7をインストールする．

   winget install --scope machine Python.Launcher
   winget install --scope machine Python.Python.3.7
   

【関連する外部ページ】

• Python の公式ページ: https://www.python.org/

【サイト内の関連ページ】

• Python詳細ガイド：別ページ »

【関連項目】 Python

TensorFlow 1.15.5, Keras, 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，管理者権限でコマンドプロンプトを起動（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」）。
2. 使用する Python 3.7 のバージョンの確認

   py -3.7 --version
   

   
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
   

   
4. TensorFlow, Keras 関係の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，関係のパッケージのアンインストールを行っておく．

   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．

   py -3.7 -m pip uninstall -y 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. インストールのため，次のコマンドを実行する．
   • 「tensorflow==1.15.5」のところでTensorFlow のバージョンを指定している．
   • TensorFlow の GPU 版をインストールしている．TenforFlow の GPU 版は，GPU がない場合には CPU を使って動作する．
   • numpy, protobuf, keras, matplotlib, pandas, scipy は旧バージョンをインストール．

   py -3.7 -m pip install -U numpy==1.16.2 protobuf==3.19.4 tensorflow-gpu==1.15.5 keras==2.3.1 scipy==1.5.4 pillow pydot matplotlib==3.4.3 seaborn pandas==1.1.5 scipy==1.5.4 scikit-learn scikit-learn-intelex opencv-python opencv-contrib-python
   py -3.7 -m pip install git+https://github.com/tensorflow/docs
   py -3.7 -m pip install git+https://github.com/tensorflow/examples.git
   py -3.7 -m pip install git+https://www.github.com/keras-team/keras-contrib.git
   

   TensorFlow のインストールのとき，「Could not find a version that satifies the requirement tensorflow==1.15.5」のように表示される場合には，インストールされている Python が新しすぎるか，古すぎる．

   TensorFlow GPU 版 1.15 を動かすには，Python 3.6 か Python 3.7 を使うこと． Windows での Python 3.6 のインストールは，別ページ »で説明 Python 3.7 のインストールは，別ページ »で説明

6. Windows の システム環境変数 TF_FORCE_GPU_ALLOW_GROWTH に，true を設定

   Windows で，管理者権限でコマンドプロンプトを起動（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」）。

   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

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

   
3. (GPU を使うとき) TensorFlow からGPU が認識できているかの確認

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

   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．

   

   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．

   その場合は，Windows での NVIDIA ドライバ，NVIDIA CUDA ツールキット 10.0，NVIDIA cuDNN 7.6.5 のインストールを確認すること．

   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

TensorFlow 2 のプログラム例

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. 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．

   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()