TensorFlow 2.2（GPU 対応可能）のインストール（Windows 上）

前準備

Python のインストール

Python の URL: https://www.python.org/

• Windows での Python のインストールは，別ページで説明している．

  WinPython を使いたい場合は，そのインストールは，別ページで説明している．

TensorFlow を使うので，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

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

※ GPU とは，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．

ダウンロードページ

• NVIDIA グラフィックスボード・ドライバのダウンロード用ページ: https://www.nvidia.co.jp/Download/index.aspx?lang=jp

詳細説明

• Windows での NVIDIA グラフィックスボード・ドライバのインストール: 別ページで説明している．

（NVIDIA GPU を使うとき）NVIDIA CUDA ツールキットのインストール

※ CUDA とは，NVIDIA社が提供している GPU 用のプラットフォームである．

ダウンロードページ

• NVIDIA CUDA ツールキットのダウンロード用ページ: https://developer.nvidia.com/cuda-toolkit-archive

詳細説明

• Windows での NVIDIA CUDA ツールキットのインストール: 別ページで説明している．

（NVIDIA GPU を使うとき）NVIDIA cuDNN 7.6 のインストール

ダウンロードページ

• NVIDIA cuDNN のダウンロード用ページ: https://developer.nvidia.com/cudnn から cuDNN を入手

  ダウンロードして展開（解凍）したら，パスを通しておくこと．

詳細説明

• Windows での NVIDIA CUDA ツールキットのインストール: 別ページで説明している．

TensorFlow 2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．
   
2. 使用する Python のバージョンの確認

   python --version
   

   
3. pip の更新

   python -m pip install -U pip
   

   
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 tensorflow tensorflow-cpu tensorflow-gpu tensorflow_datasets keras
   

   
5. pip を用いてインストール

   GPU 版 Tensorflow 2 をインストールする場合

   python -m pip install -U tensorflow-gpu tensorflow_datasets
   

   

   CPU 版の Tensorflow をインストールする場合

   python -m pip install -U tensorflow tensorflow_datasets
   

   

TensorFlow の動作確認

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．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__ )"
   

   
3. (GPU を使うとき) GPU が認識できてるかの確認

   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())"
   

   次のように「device_type: "GPU"」があれば，GPUが認識できている．

   

   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 2.2 GPU 版での，NVIDIA CUDA のバージョンは 10.1，NVIDIA cuDNN のバージョンは7.6 が指定されている．根拠は次のページ．

     URL: https://www.tensorflow.org/install/source#common_installation_problems

   • 指定されているバージョンより高いものは使わない．

   Windows でのNVIDIA CUDA ツールキットのインストール: 別ページで説明している．

   Windows での NVIDIA cuDNNのインストール: 別ページで説明している．

4. Windows で Python プログラムを動かす．

   Python プログラムを動かす

   • Windows では，「python」コマンドやPythonランチャーである「py」コマンド
   • Ubuntu では，「python3」コマンド

   ※　 開発環境や Python コンソール（Jupyter Qt Console，spyder，PyCharm，PyScripter など）が便利．

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

   import tensorflow as tf
   hello = tf.constant('Hello, TensorFlow!')
   print(hello)
   

   
5. 今度は，次の Python プログラムを実行してみる．

   結果として 「42」のように表示されるので確認する．

   「tf.add(a, b)」と「a + b」は，同じ結果になる

   import tensorflow as tf
   a = tf.constant(10)
   b = tf.constant(32)
   print( tf.add(a, b) )
   print( a + b )
   

   
6. 今度は，次の Python プログラムを実行してみる．

   結果として 12 が表示されるので確認する．

   import tensorflow as tf
   matrix1 = tf.constant([[3., 3.]])
   matrix2 = tf.constant([[2.],[2.]])
   print( tf.matmul(matrix1, matrix2) )