TensorFlow GPU 版 2.10，Keras 2.10，Python 3.10 のインストールと動作確認（Windows 上）

Build Tools for Visual Studio 2022 （ビルドツール for Visual Studio 2022），Visual Studio 2022 のインストール（Windows 上）

Visual Studio を使う予定がある場合

Windows での Visual Studio Community 2022 のインストール: 別ページ »で説明している．

Visual Studio Community 2022 に， Build Tools for Visual Studio 2022の機能が含まれている．

Visual Studio を使う予定がない場合

Build Tools for Visual Studio 2022 のインストールを行う．

• Windows での Build Tools for Visual Studio 2022 （ビルドツール for Visual Studio 2022）のインストール: 別ページ »で説明している．

【関連する外部ページ】

• Build Tools for Visual Studio 2022 の公式ページ: https://visualstudio.microsoft.com/ja/downloads/

Git のインストール（Windows 上）

Git はバージョン管理システムである．

Git の公式ページ: https://git-scm.com/ からダウンロードしてインストール:

1. Git のページを開く

   https://git-scm.com/

2. 　ダウンロードしたいので「Downloads」をクリック
   
3. Windows 版が欲しいので 「Windows」をクリック．
   
4. 64ビット版のインストーラを選ぶ
   
5. ダウンロードした .exe ファイルを実行

   このとき，ライセンス条項の確認を行う．設定は既定（デフォルト）のままでも問題はない．

【サイト内の関連ページ】

• Git のインストール（Windows 上）: 別ページ »で説明している．

【関連する外部ページ】

• Git の公式ページ: https://git-scm.com/

NVIDIA ドライバ，NVIDIA CUDA ツールキット, NVIDIA cuDNN のインストール（Windows 上）

Windows での NVIDIA ドライバ，NVIDIA CUDA ツールキット 11.8，NVIDIA cuDNN v8.8 のインストールと動作確認: 別ページ »で説明している．

Python 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

① インストールする Python のバージョンの確認

2022年12月時点では， Python 3.10 を使う．

② Python のインストール

【インストール手順の詳細（別ページ） 】

Windows での Python のインストール: 別ページ »で説明している．

【Python の公式ページ】

https://www.python.org/

③ pip と setuptools の更新

1. Windows で，コマンドプロンプトを管理者として実行

   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．

   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

2. 次のコマンドを実行する．

   python -m pip install -U pip setuptools
   

   

④ Python 開発環境として，Python コンソール（Jupyter Qt Console）, Jupyter ノートブック (Jupyter Notebook), Jupyter Lab, Nteract, spyder 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

   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．

   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

2. 次のコマンドを実行する．

   python -m pip install -U pip setuptools jupyterlab jupyter jupyter-console jupytext PyQt5 nteract_on_jupyter spyder
   

   

TensorFlow 2 のインストール

インストール手順

1. Windows で，コマンドプロンプトを管理者として実行

   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

2. 使用する Python のバージョンの確認

   python --version
   

   
3. pip と setuptools の更新

   ※ 「 python -m 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．

   python -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．

   python -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. TensorFlow GPU 版 2.10 ，Keras， 関連ソフトウェアのインストール

   pip を用いてインストール

   python -m pip install -U tensorflow==2.10.1 tf_slim tensorflow_datasets tensorflow-hub keras keras-tuner keras-visualizer
   python -m pip install git+https://github.com/tensorflow/docs
   python -m pip install git+https://github.com/tensorflow/examples.git
   python -m pip install git+https://www.github.com/keras-team/keras-contrib.git
   

   
   （以下省略）
6. Windows の システム環境変数 TF_FORCE_GPU_ALLOW_GROWTH に，true を設定

   Windows で，コマンドプロンプトを管理者として実行

   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

   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

   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．

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

   

   次のようなメッセージが出た場合には，メッセージに従い， NVIDIA ドライバ，NVIDIA CUDA ツールキット， NVIDIA cuDNN のインストールを行う． 但し，GPU がない場合には，このメッセージを無視する．

   

   • Windows での NVIDIA ドライバ，NVIDIA CUDA ツールキット 11.8，NVIDIA cuDNN v8.8 のインストールと動作確認: 別ページ »で説明している．
3. TensorFlow パッケージの情報の表示

   pip show tensorflow
   

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

   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())"
   

   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． 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 2.5 の GPU 版での，cuDNN のバージョンは 8.2，TensorFlow 2.4 の GPU 版での，cuDNN のバージョンは 8.0.5，TensorFlow 2.3, 2.2, 2.1 の GPU 版での，cuDNN のバージョンは 7.6．そして，TensorFlow 1.13 以上 TensorFlow 2.0 までの GPU 版での，cuDNN のバージョンは7.4 が良いようである．

   Windows での NVIDIA ドライバ，NVIDIA CUDA ツールキット 11.8，NVIDIA cuDNN v8.8 のインストールと動作確認: 別ページ »で説明

TensorFlow 2 のプログラム例

1. TensorFlow がインストールできたかを確認したい．

   Python プログラムを実行する

   Python プログラムの実行: 別ページ »で説明

   Python のまとめ: 別ページ »にまとめ

   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)
   exit()
   

   
2. 今度は，次の Python プログラムを実行する

   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 )
   exit()
   

   
3. 今度は，次の Python プログラムを実行する

   結果として 「[[ 12.]]」のように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) )
   exit()
   

   

TensorFlow, Keras, VGG 16, InceptionV3, Imagenet による画像分類を試してみる

1. 前準備として h5py, pillow のインストール

   python -m pip install -U h5py pillow
   

2. 画像の準備

   10.png のようなファイル名で保存しておく

   
3. Python プログラムの実行

   cd ＜画像を置いたディレクトリ＞
   python  
   

   
4. VGG 16, Imagenet による学習済みの重みデータによる画像分類を試してみる

   次のプログラムをコピー＆ペースト

   Kerasのサイトで公開されているものを少し書き換えて使用。

   「'10.png'」のところは，実際に使用する画像ファイル名に書き換えること．

   import h5py
   from tensorflow.keras.preprocessing import image
   from tensorflow.keras.applications.vgg16 import VGG16
   from tensorflow.keras.applications.vgg16 import preprocess_input
   import numpy as np
   
   m = VGG16(weights='imagenet', include_top=False)
   
   img_path = '10.png'
   img = image.load_img(img_path, target_size=(299, 299))
   x = image.img_to_array(img)
   x = np.expand_dims(x, axis=0)
   x = preprocess_input(x)
   
   features = m.predict(x)
   print(features) 
   

   

   python の終了は「exit()」

5. InceptionV3, Imagenet による学習済みの重みデータによる画像分類を試してみる

   次のプログラムをコピー＆ペースト

   Kerasのサイトで公開されているものを少し書き換えて使用。

   「'10.png'」のところは，実際に使用する画像ファイル名に書き換えること．

   import h5py
   from tensorflow.keras.preprocessing import image
   from tensorflow.keras.applications.inception_v3 import preprocess_input, decode_predictions, InceptionV3
   import numpy as np
   
   m = InceptionV3(weights='imagenet')
   
   img_path = '10.png'
   img = image.load_img(img_path, target_size=(299, 299))
   x = image.img_to_array(img)
   x = np.expand_dims(x, axis=0)
   x = preprocess_input(x)
   
   preds = m.predict(x)
   
   print('Predicted:')
   for p in decode_predictions(preds, top=5)[0]:
       print("Score {}, Label {}".format(p[2], p[1]))
   

   

   python の終了は「exit()」