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，pip と setuptools と venv の更新，Python 開発環境（JupyterLab, spyder, nteract）のインストール（Windows 上）

1. Python のインストール

   Python の URL: http://www.python.org/

   インストール手順の詳細は： 別ページで説明している．

2. pip と setuptools の更新，Python 開発環境（JupyterLab, spyder, nteract）のインストール

   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．

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

   

   python -m pip install -U pip setuptools venv
   python -m pip install -U jupyterlab jupyter jupyter-console jupytext nteract_on_jupyter spyder
   

（NVIDIA GPU を使うとき）TensorFlow のバージョンを確認の上，NIDIA CUDA ツールキットとNIDIA cuDNN のバージョンを確認

TensorFlow を使う場合は，必要となる NVIDIA CUDA ツールキット，NVIDIA cuDNN のバージョン確認

TensorFlow は，そ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 のバージョンが違う（最新の NVIDIA CUDA ツールキット，NVIDIA cuDNN で動くというわけでない）． そのことは，https://www.tensorflow.org/install/gpu で確認できる．

そこで， まずは，使用したい TensorFlow のバージョンを確認し，それにより， NVIDIA CUDA ツールキット，NVIDIA cuDNN を確認する．

（NVIDIA GPU を使うとき）NVIDIA グラフィックスドライバ，NVIDIA CUDA ツールキット 11.0 ，NVIDIA cuDNN 8.0.5 のインストール

インストール手順の説明

Windows での NVIDIA グラフィックスドライバ，NVIDIA CUDA ツールキット 11.0，NVIDIA cuDNN 8.0.5 のインストール: 別ページで説明している．

関連 Web ページ

• NVIDIA グラフィックス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
• NVIDIA CUDA ツールキットの URL: https://developer.nvidia.com/cuda-toolkit-archive
• NVIDIA cuDNN のダウンロード用ページ: https://developer.nvidia.com/cudnn から cuDNN を入手

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する．
   
2. 使用する Python のバージョンの確認

   python --version
   

   
3. 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 tensorflow-hub keras
   

   
4. 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．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． 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 11.0 のインストール: 別ページで説明している．

   Windows での NVIDIA cuDNN 8.0.5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) )