TensorFlow GPU 版 1.15.5, Python 3.6 のインストール（Windows 上）

【目次】

  1. Visual Studio Community 2017 のインストール
  2. 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
  3. Python 3.6 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）
  4. TensorFlow 1.15.5, Keras, MatplotLib, Python 用 opencv-python のインストール（Windows 上）
  5. TensorFlow の動作確認

TensorFlow 1.15.5 を動かすため:

ここでは，次の方針で設定する．

【サイト内の関連ページ】

先人に感謝．

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

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

GPUとは

GPUは，グラフィックス・プロセッシング・ユニット（Graphics Processing Unit）の略です．その高い並列計算能力から，３次元コンピュータグラフィックス，３次元ゲーム，動画編集，科学計算，ディープラーニングなど，並列処理が必要な幅広い分野で活用されています．

．

NVIDIA CUDA ツールキット

NVIDIA CUDA ツールキット は，NVIDIA社が提供する GPU 用のツールキットである．GPU を用いた演算のプログラム作成や動作のための各種機能を備えている．ディープラーニングでも利用されている．

【サイト内の関連ページ】

【関連する外部ページ】

NVIDIA CUDA ツールキットのインストール時の注意点

【NVIDIA CUDA ツールキットの動作に必要なもの】

【Windows でインストールするときの注意点】

NVIDIA cuDNN

NVIDIA cuDNN は，NVIDIA CUDA ツールキット上で動作する、高性能なディープラーニング用ライブラリです．畳み込みニューラルネットワーク (CNN) やリカレントニューラルネットワーク (RNN) など，さまざまなディープラーニングモデルのトレーニングと推論を高速化します．

【cuDNN利用時の注意点: zlibwapi.dll エラー】

Windows環境でcuDNNを利用するアプリケーションを実行した際に、「Could not locate zlibwapi.dll. Please make sure it is in your library path!」というエラーが表示されることがあります。これは、cuDNNの一部の機能が圧縮ライブラリである zlib に依存しているためです。このエラーが発生した場合は、後述する手順で ZLIB DLL をインストールする必要があります。

【関連する外部ページ】

NVIDIA cuDNN のインストール時の注意点

【NVIDIA cuDNN の動作に必要なもの】

NVIDIA ドライバ

NVIDIA ドライバは，NVIDIA 社製の GPU を動作させるのに必要なドライバである．次の NVIDIA の公式サイトからダウンロードできる．ダウンロードのときは，使用しているオペレーティングシステムとGPUに適したものを選ぶこと．

【関連する外部ページ】 NVIDIA ドライバのダウンロードの公式ページ: https://www.nvidia.co.jp/Download/index.aspx?lang=jp

以下，インストールの注意点をまとめている． Windows での NVIDIA ドライバ，NVIDIA CUDA ツールキット 10.0，NVIDIA cuDNN 7.6.5 のインストールの詳細は別ページ »で説明

① 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）．

NVIDIA CUDA ツールキット 10.0，NVIDIA cuDNN 7.6.5 の根拠: cudart64_100.dll, cudnn64_7.dll が必要

② NVIDIA ドライバ，NVIDIA CUDA ツールキット 10.0，NVIDIA cuDNN 7.6.5 のインストールでの注意点

NVIDIA ドライバのインストールでの注意点まとめ（Windows 上）

NVIDIA CUDA ツールキット 10.0 インストールでの注意点まとめ（Windows 上）

NVIDIA cuDNN のインストールでの注意点まとめ（Windows 上）

Python 3.6 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 3.6 64 ビット版のインストール（Windows 上）

【Python のインストールでの注意点】

インストール手順

Windows での Python 3.6 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 3.6 をダウンロード

    ページの上の方にある「Downloads」をクリック，「Downloads」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 3.6.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

  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．
    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 3.6 to PATH」をチェック.
    4. 「Customize installation」をクリック．
    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
    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\Python36」のように自動設定されることを確認．

      「Install」をクリック

    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
    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 3.6」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する．

    py とpip に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\Python36\Scripts\pip.exe」 が表示されることを確認． （「36」のところは使用する Python のバージョンに読み替えること）．

説明ページ https://www.kkaneko.jp/tools/win/python36.html

動画リンク https://www.youtube.com/watch?v=vRpDte-PlL0

② pip と setuptools の更新（Windows 上）

【pip の利用】 Windows では，pip は，次のコマンドで起動できる．

③ Python 開発環境 （JupyterLab, spyder, nteract）のインストール

Python 開発環境のコマンドでの起動のまとめ．

コマンドプロンプトで次のコマンドで起動、多くはスタートメニューでも起動できる

Windows の Python ランチャーでバージョン指定

Python 開発環境，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（Windows 上）

Windows では，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する．

Python の使用は「py -3.6」で行う．

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 -3.6 -m pip install -U pip setuptools
py -3.6 -m pip install -U jupyterlab jupyter jupyter-console jupytext nteract_on_jupyter spyder

Python の仮想環境を使用したいときは，次のような手順で， venv を用いて，Python の仮想環境を作る．

Windows では，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する．

Python の使用は「C:\venv\py36\Scripts\activate.bat」の後，「python」で行う． 

py -3.6 -m pip install -U pip setuptools
py -3.6 -m venv --system-site-packages C:\venv\py36
C:\venv\py36\Scripts\activate.bat
python -m pip install -U pip setuptools requests notebook==6.5.7 jupyterlab jupyter jupyter-console jupytext PyQt5 nteract_on_jupyter spyder

TensorFlow 1.15.5, Keras, MatplotLib, Python 用 opencv-python のインストール（Windows 上）

設定の要点

システム環境変数 TF_FORCE_GPU_ALLOW_GROWTH の設定: true

インストール手順

  1. Windows で，コマンドプロンプトを管理者権限で起動する（例：Windowsキーを押し，「cmd」と入力し，「管理者として実行」を選択）
  2. 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 -3.6 -m pip install -U pip setuptools
  3. インストールのため，次のコマンドを実行する．
    • トラブルの可能性を減らすために，最初に，アンインストールを行う．
    • 「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 -3.6 -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
py -3.6 -m pip install -U numpy==1.16.2 protobuf==3.19.4 tensorflow-gpu==1.15.5 keras==2.3.1 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 -3.6 -m pip install git+https://github.com/tensorflow/docs
py -3.6 -m pip install git+https://github.com/tensorflow/examples.git
py -3.6 -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

  4. 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権限で起動する（例：Windowsキーを押し，「cmd」と入力し，「管理者として実行」を選択）

    次のコマンドを実行 

    powershell -command "[System.Environment]::SetEnvironmentVariable(\"TF_FORCE_GPU_ALLOW_GROWTH\", \"true\", \"Machine\")"

TensorFlow の動作確認

  1. 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「1.15.5」が表示されることを確認． 

    py -3.6 -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

    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 -3.6 -c "from tensorflow.python.client import device_lib; print(device_lib.list_local_devices())"

    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 -3.6
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
result = sess.run(hello)
print(result)
sess.close()
exit()