用途:Windows パソコンで,ディープラーニングの学習,実験,実習ができる環境を整える.
このページでは,次のソフトウェアのインストール,設定手順の概要や詳細情報へのリンクも示す.
目次
注意事項
【サイト内のまとめページへのリンク】
【サイト内の主な Windows 関連ページ】
Ubuntu のインストール,設定,セットアップ:別ページ »にまとめ
用語集:別ページ »にまとめ
説明資料: 別ページ にまとめている.
Windows エクスプローラーで隠しファイルの表示,ファイル名拡張子ファイルの表示を行う.
ファイル名拡張子(.pdf, .pptx など)が表示されるようになる. そして,隠しファイル(既定では非表示のファイルやフォルダ)が表示されるようになる.
【手順】
デスクトップのフォルダアイコンをクリックするか,Windows キー + E キーを押す(同時押し)か,タスクバーのフォルダアイコンをクリック.
【コマンドによる手順】
上の操作の代わりに,コマンドでも実行できる.
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
powershell -command "Set-ItemProperty -Path 'HKCU:\Software\Microsoft\Windows\CurrentVersion\Explorer\Advanced' -Name 'Hidden' -Value 1" powershell -command "Set-ItemProperty -Path 'HKCU:\Software\Microsoft\Windows\CurrentVersion\Explorer\Advanced' -Name 'ShowSuperHidden' -Value 1" powershell -command "Set-ItemProperty -Path 'HKCU:\Software\Microsoft\Windows\CurrentVersion\Explorer\Advanced' -Name 'HideFileExt' -Value 0"
Windows のコマンドプロンプトは,操作ツールである. 文字入力により,ファイル操作,システム情報の確認,システムの設定やインストールなどのさまざまな操作を行うことができる.GUIでは難しい高度な操作が可能であり,複雑な作業を自動化可能である.
【コマンドプロンプトを開く手順】
画面下のWindowsの検索窓を使用。「cmd」と入力し、Enterキーを押す。すると、コマンドプロンプトが開く。
Windowsキー + R を同時に押す。「ファイル名を指定して実行」の画面が開くので、「cmd」と入力し、Enterキーを押す。すると、コマンドプロンプトが開く。
システムの設定やインストールなどのシステム全体に影響を与える操作は,Windowsでは「コマンドプロンプトを管理者として実行」することが必要になる場合がある.コマンドプロンプトを「管理者として実行」しない通常の状態では,操作に制限がある場合がある.
【コマンドプロンプトを管理者として実行する手順】
Windowsキー + R を同時に押す。「ファイル名を指定して実行」の画面が開くので、「cmd」と入力。Ctrl + Shift + Enterキーを同時に押す。すると、管理者としてコマンドプロンプトが開く。
例:Windows 10 のスタートメニューである.
Windows のコマンドプロンプトで,次のコマンドを実行する
powershell start-process cmd.exe -verb runas
日本語Windowsのコマンドプロンプトでは,半角の円記号「¥」とバックスラッシュ「\」は同じように機能する.
このページでは, ファイルを作るために,%HOMEPATH% に設定されているディレクトリを使うことにしたい.
次の例では,コマンドプロンプトで,カレントディレクトリを %HOMEPATH% に移動した後,メモ帳 (notepad) を使ってファイルを編集している.
必要なフリーソフトウェアを選択して,インストールする.
FirefoxとGoogle Chromeは高機能なブラウザで,拡張機能を用いてカスタマイズが可能である.Search Everythingは迅速なファイル検索が可能である.Visual Studio CodeとEmacsはテキストエディタである.FileZillaとMobaXtermはファイル転送・リモート接続のために有用である.Kokomiteはマウス拡大,GreenShotはスクリーンショットの撮影・編集に役立つ.
理工学分野のフリーソフトウェア: 別ページ »で説明
その他,便利な機能をもったフリーソフトウェアの紹介: 別ページ »で説明
Build Tools for Visual Studio 2022は,Windowsで動作するMicrosoftの開発ツールセットである.主にC++プログラミングに使用される.このツールセットには,コンパイラ,リンカ,ランタイムライブラリ,その他のビルド関連ツールが含まれる.
【winget を用いたインストールコマンド】
次のコマンドは,Build Tools for Visual Studio 2022と VC2015 再配布可能パッケージをインストールするものである.
winget install --scope machine Microsoft.VisualStudio.2022.BuildTools winget install --scope machine Microsoft.VCRedist.2015+.x64
【Build Tools for Visual Studio とVisual Studio の主な違い】
【関連する外部ページ】
Build Tools for Visual Studio 2022(ビルドツール for Visual Studio 2022)の公式ダウンロードページ: https://visualstudio.microsoft.com/ja/visual-cpp-build-tools/
【関連項目】 Build Tools for Visual Studio 2022 のインストール(Windows 上)
Build Tools for Visual Studio 2022(ビルドツール for Visual Studio 2022)のインストールは,Visual Studio を使う予定がある場合(よく分からない場合を含む)と,使う予定がない場合(使う予定が無いことが確実な場合)で方法が分かれる.
Visual Studio 2022 をインストールする際に,「C++ によるデスクトップ開発」を選択することで, Build Tools for Visual Studio 2022 の機能も一緒にインストールされる. このため Build Tools for Visual Studio 2022 を別途インストールする必要はない.
【サイト内の関連ページ】
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.
Windows でBuild Tools for Visual Studio 2022をインストールするには,公式ページ(https://visualstudio.microsoft.com/ja/downloads/)から,「Build Tools for Visual Studio 2022」をダウンロードし,実行する.インストール時に「C++ によるデスクトップ開発」を選択する.必要に応じて,「ATL」と「MFC」をチェックする.インストール後,Visual Studioのx64 Native Toolsコマンドプロンプトを開き,「cl」コマンドを使用してCプログラムのコンパイルと実行を行う.
【サイト内の関連ページ】
Windows での ビルドツール for Visual Studio 2022 (Build Tools for Visual Studio 2022) のインストール: 別ページ »で説明している.
Git は、ソフトウェアの開発において使用されているバージョン管理システムである.git clone コマンドは、リモートリポジトリからソースコードをローカルマシンにコピー(クローン)するために使用される.シンプルなコマンドで,リモートリポジトリ全体のコピーや,リモートリポジトリとの同期を行えることが特徴である.
Windows 上で Git をインストールするには,公式ウェブサイト (https://git-scm.com/) から 64-bit Git for Windows Setup をダウンロードし,インストーラーの指示に従ってインストールを進める.ほとんどの設定は既定 (デフォルト) のままで問題ないが,PATH 環境変数の設定画面では 2 番目のオプションを選択することが推奨される.
【サイト内の関連ページ】
Windows での Git 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】
Git の公式ページ: https://git-scm.com/
CMake は,ソフトウェアのビルドプロセスを自動化し,効率的に管理するためのツールである.Windows では,CMake のオプションを確認したい場合には,「cmake-gui」コマンドを使用して,CMake のグラフィカルユーザインタフェースを起動することにより確認ができる.このcmake-guiで,ビルドオプションの設定や,ビルドの実行も可能である.
CMake のダウンロードのページ https://cmake.org/download/ からダウンロードしてインストール
【サイト内の関連ページ】
【関連する外部ページ】
7-Zipは,ファイル圧縮・展開(解凍)ツール
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
次のコマンドは,7-Zip圧縮・展開(解凍)ツールをインストールするものである.
winget install --scope machine 7zip.7zip powershell -command "$oldpath = [System.Environment]::GetEnvironmentVariable(\"Path\", \"Machine\"); $oldpath += \";c:\Program Files\7-Zip\"; [System.Environment]::SetEnvironmentVariable(\"Path\", $oldpath, \"Machine\")"
【関連する外部ページ】
【関連項目】 7-Zip
GPUは,グラフィックス・プロセッシング・ユニット(Graphics Processing Unit)の略である.3次元コンピュータグラフィックスや3次元ゲーム,動画編集,仮想通貨のマイニング,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る..
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
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 cuDNN は, NVIDIA CUDA ツールキット上で動作するディープラーニング・ライブラリである. 畳み込みニューラルネットワークや リカレントニューラルネットワークなど,さまざまなディープラーニングで利用されている.
Windows で,NVIDIA cuDNN の利用時に 「Could not locate zlibwapi.dll. Please make sure it is in your library path!」と表示されるときは, ZLIB DLL をインストールすること.
【関連する外部ページ】
TensorFlow GPU 版の動作に必要なもの(2023年4月時点)
Windows で,NVIDIA グラフィックス・ボードの種類を調べたいときは, hwinfo (URL: https://www.hwinfo.com) を使って調べることができる.
TensorFlow の動作に,cudart64_110.dll, cusolver64_11.dll, cudnn64_8.dll が必要であるため,NVIDIA CUDA ツールキット 11 をインストールする.
注意点の1:NVIDIA CUDA ツールキット 11は,NVIDIA cuDNN が対応しているものを選ぶこと. 新しいNVIDIA CUDA ツールキット 11では,NVIDIA cuDNN が対応していない場合がある.詳細は,NVIDIA cuDNN のページ https://developer.nvidia.com/cudnn で確認できる.
注意点の2:NVIDIA CUDA ツールキット は,バージョン12 でなくバージョン11 の最新版を使うこと.バージョン 12 は,2023年 4月に Tensorflow 2.10.1 で試したが動作しなかった.
最新の NVIDIA cuDNNに対応するNVIDIA CUDA ツールキットのバージョンは,
2.4.4 あるいはそれ以前のバージョン のTensorFlow を使う場合
過去の TensorFlow は, 必ずしも, 新しいNVIDIA CUDA ツールキット, NVIDIA cuDNN で動くわけではないことに注意が必要.
そのことは,詳しくは,別ページ »で説明
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 11.8,NVIDIA cuDNN 8.6 のインストールと動作確認の詳細は別ページ »で説明している.
Windows で,NVIDIA グラフィックス・ボードの種類を調べたいときは, hwinfo (URL: https://www.hwinfo.com) を使って調べることができる.
NVIDIA CUDA ツールキットの nvcc の動作に必要.
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.
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.
他のウインドウを開いている場合,NVIDIA CUDA ツールキットのインストールが失敗する場合がある.
Windows のユーザ名が日本語のとき,nvcc がうまく動作しないエラーを回避するためである.
ユーザ環境変数 TEMP に「C:\TEMP」を設定するために, コマンドプロンプトで,次のコマンドを実行する.
mkdir C:\TEMP powershell -command "[System.Environment]::SetEnvironmentVariable(\"TEMP\", \"C:\TEMP\", \"User\")"
2.4.4 あるいはそれ以前のバージョン のTensorFlow を使う場合
過去の TensorFlow は, 必ずしも, 新しいNVIDIA CUDA ツールキット, NVIDIA cuDNN で動くわけではないことに注意が必要.
そのことは,詳しくは,別ページ »で説明
【関連する外部ページ】
単純に,最新のNVIDIA CUDA ツールキットをインストールすればよいのでなく,対応するバージョンのものをインストールすること.
ZLIB DLL は,データの圧縮と展開(解凍)の機能を持ったライブラリ.
ZLIB DLL のダウンロードページ: https://www.winimage.com/zLibDll で公開されている zlib123dllx64.zip を使う
Windows では, コマンドプロンプトを管理者として開き, 次のコマンドを実行することにより,ZLIB DLL インストールを行うことができる.
但し,「v11.8」のところは,実際にインストールされている NVIDIA CUDA ツールキットのバージョンを確認し,読み替えてください.
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
cd "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin" curl -O http://www.winimage.com/zLibDll/zlib123dllx64.zip powershell -command "Expand-Archive -Path zlib123dllx64.zip" copy zlib123dllx64\dll_x64\zlibwapi.dll .
NVIDIA Developer Program の公式ページ: https://developer.nvidia.com/developer-program
NVIDIA cuDNN の zip ファイルをダウンロードしたら,Windows ならば,C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8 (「11.8」のところはバージョン番号)のようなパスの通っているディレクトリ に展開(解凍).
あるいは,zip ファイルを展開したら,展開先の下の bin にパスを通す.
.exe ファイルの実行により「C:\Program Files\NVIDIA\CUDNN\v8.3 」にインストールされるので,C:\Program Files\NVIDIA\CUDNN\v8.3\bin に パスを通す.
次の操作により,cudnn64_8.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_8.dll
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
powershell -command "[System.Environment]::SetEnvironmentVariable(\"CUDNN_PATH\", \"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\", \"Machine\")"
上の説明を参考に ZLIB DLL をインストールすること.
2022年12月時点では, Python 3.10 を使う.
Python 3.10 の根拠:
古いバージョンの TensorFlow,PyTorch を使う予定の場合.
次により, Python, TensorFlow, PyTorch のバージョンの組み合わせを確認し,それにあったバージョンの Python をインストールする必要がある.
【Python のインストールでの注意点】
Windowsでは,Python をユーザ領域(既定の設定)またはシステム領域にインストールできる. しかし,ユーザー名に日本語が含まれている場合,Python をユーザ領域にインストールすると問題が発生する可能性がある.システム領域にインストールすることで,ファイルパスに日本語が含まれることを避けることができ,問題を防ぐことができる.
TensorFlow 2.10.1 は次のPythonのバージョンと互換性がある: Python 3.10, Python 3.9, Python 3.8, Python 3.7
この互換性情報は,https://pypi.org/project/tensorflow/2.10/#files で確認できる. 注意点として, TensorFlow 2.10.1 は, Python 3.6以前のバージョン,Python 3.11以降のバージョンではサポートされていない(2024/7時点). 最新の互換性情報は変更される可能性があるため,https://pypi.org/project/tensorflow/2.10/#files などの公式ドキュメントで再確認すること.
【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】
【pip の利用】
次のコマンドを実行することにより,pipとsetuptoolsを更新する,Jupyter Notebook,PyQt5、Spyderなどの主要なPython環境がインストールされる.
python -m pip install -U pip setuptools requests notebook==6.5.7 jupyterlab jupyter jupyter-console jupytext PyQt5 nteract_on_jupyter spyder
Windows での PyCharm のインストール: 別ページ »で説明している.
【他の Python の開発環境】
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.
pip install -U numpy matplotlib
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. Jupyter Qt Console が開けば OK.
jupyter qtconsole
次のプログラムは,NumPy と Matplotlib を使用して,0から6までの範囲のsin関数のグラフを描画する.warnings モジュールを使用して Matplotlib の警告表示を抑制し,Matplotlib では,デフォルトのスタイルを使用する.
import numpy as np %matplotlib inline import matplotlib.pyplot as plt import warnings warnings.filterwarnings('ignore') # Suppress Matplotlib warnings x = np.linspace(0, 6, 100) plt.style.use('default') plt.plot(x, np.sin(x))
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. ntetact が開けば OK.
jupyter nteract
そのために「Start a new notebook」の下の「Python」をクリック,次の Python プログラムを実行する
次のプログラムは,NumPy と Matplotlib を使用して,0から6までの範囲のsin関数のグラフを描画する.warnings モジュールを使用して Matplotlib の警告表示を抑制し,Matplotlib では,デフォルトのスタイルを使用する.
import numpy as np %matplotlib inline import matplotlib.pyplot as plt import warnings warnings.filterwarnings('ignore') # Suppress Matplotlib warnings x = np.linspace(0, 6, 100) plt.style.use('default') plt.plot(x, np.sin(x))
jupyter notebook --generate-config
c.NotebookApp.contents_manager_class = "jupytext.TextFileContentsManager"
"jupytext": {"formats": "ipynb,py"}
python -m pip install -U numpy scikit-learn scikit-learn-intelex
Python プログラムを実行する
import numpy as np print(np.sin(0)) exit()
Python プログラムを実行する
次のプログラムは,NumPy と scikit-learn を使用して,行列計算とデータ分析を行う.
各操作の実行時間を測定し,結果を出力するプログラムである.
import time import numpy import numpy.linalg import sklearn.decomposition import sklearn.cluster X = numpy.random.rand(2000, 2000) Y = numpy.random.rand(2000, 2000) # 行列の積 a = time.time(); Z = numpy.dot(X, Y); print(time.time() - a) # 主成分分析 pca = sklearn.decomposition.PCA(n_components = 2) a = time.time(); pca.fit(X); X_pca = pca.transform(X); print(time.time() - a) # SVD a = time.time(); U, S, V = numpy.linalg.svd(X); print(time.time() - a) # k-means a = time.time(); kmeans_model = sklearn.cluster.KMeans(n_clusters=10, random_state=10).fit(X) labels = kmeans_model.labels_ print(time.time() - a)
実行結果の例
その他,Python パッケージは,必要なものをインストール.次に手順を例示している. 利用者で判断すること.
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 -m pip install -U pip setuptools python -m pip install -U numpy scipy h5py scikit-learn scikit-learn-intelex scikit-image seaborn pandas pillow pytest cython bokeh statsmodels plotly sympy csvkit docopt pyproj flake8 protobuf bs4 html5lib rope wrapt cffi wheel six sphinx bottleneck pygments numexpr xlrd xlsxwriter lxml graphviz pydot flask django redis pylint bz2file PyOpenGL PyOpenGL-accelerate msgpack mecab ggplot matplotlib-venn pyglet pygame cocos2d bottle rtree shapely fiona gdal geopandas geopy geographiclib requests moviepy av gdown yt-dlp ruamel.yaml einops timm transformers pandasql pyyaml bokeh pymc3 mkl mkl-include holoviews pandas-bokeh ggplot prettyplotlib pybrain3 firebase-admin googletrans google-cloud-vision gpyocr azure-cognitiveservices-vision-computervision gensim gloo scikit-video scikits.datasmooth scikits.example scikits.fitting scikits.optimization scikits.vectorplot zodb gdata pycaret pywin32 python -m pip install --extra-index-url https://archive.panda3d.org/ panda3d cd C:\ curl -O https://www.panda3d.org/download/panda3d-1.10.9/panda3d-1.10.9-samples.zip powershell Expand-Archive -DestinationPath . panda3d-1.10.9-samples.zip
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.
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 git+https://github.com/jrosebr1/imutils.git python -c "import imutils; print(imutils.__version__)" python -m pip install git+https://github.com/DinoTools/python-overpy.git python -c "import overpy; print(overpy.__version__)" python -m pip install git+https://github.com/ianare/exif-py.git python -c "import exifread; print(exifread.__version__)" python -m pip install git+https://github.com/mapado/haversine.git python -m pip install git+https://github.com/Turbo87/utm.git # cd %USERPROFILE% rmdir /s /q head-pose-estimation git clone https://github.com/lincolnhard/head-pose-estimation cd head-pose-estimation curl -O http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2 "c:\Program Files\7-Zip\7z.exe" x shape_predictor_68_face_landmarks.dat.bz2 # cd %USERPROFILE% rmdir /s /q PupilTracker git clone https://github.com/TobiasRoeddiger/PupilTracker
python -m pip install -q git+https://github.com/python-visualization/folium.git
python -m pip install pyproj rtree shapely
https://www.lfd.uci.edu/~gohlke/pythonlibs/#fiona, https://www.lfd.uci.edu/~gohlke/pythonlibs/#gdal から入手. このとき,使用している Python のバージョンに一致するものを選ぶ. amd64 のファイルを選ぶ.
そして「python -m pip」でインストール
# gdal が必要 cd %USERPROFILE% rmdir /s /q geopandas git clone https://github.com/geopandas/geopandas cd geopandas python setup.py build python setup.py install
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
python -m pip cache purge cd %LOCALAPPDATA% cd pip rmdir /s /q Cache
設定の要点
システム環境変数 TF_FORCE_GPU_ALLOW_GROWTH の設定: true
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
python --version
※ 「 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
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.
python -m pip uninstall -y protobuf 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
あわせて,TensorFlowの公式ドキュメント,サンプルコード、Kerasの追加モジュールもインストールする.
pip を用いてインストールする.
python -m pip install -U protobuf tensorflow==2.10.1 tf_slim tensorflow_datasets==4.8.3 tensorflow-hub tf-keras keras keras_cv 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
pip を用いてインストール
python -m pip install -U numpy pillow pydot matplotlib seaborn pandas scipy scikit-learn scikit-learn-intelex opencv-python opencv-contrib-python
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.
pip show tensorflow
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 v8.9.7 のインストールと動作確認: 別ページ »で説明
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\")"
Web ブラウザで最新情報を確認ののち,所定のコマンドによりインストールを行う.
PyTorch の URL: https://pytorch.org/
Windows, pip, Python,NVIDIA CUDA ツールキット 11.3 以上 での実行例
NVIDIA CUDA ツールキットのバージョンは一致するものを選ぶ. 選択肢として出てこないという場合には, 「install previous versions of PyTorch」をクリックし,そのページの記載に従う.
PyTorch 2.3 のインストール手順例は次の通り
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
PyTorch のページ: https://pytorch.org/index.html
次のコマンドを実行することにより, PyTorch 2.3 (NVIDIA CUDA 11.8 用)がインストールされる. 但し,Anaconda3を使いたい場合には別手順になる.
事前に NVIDIA CUDA のバージョンを確認しておくこと(ここでは,NVIDIA CUDA ツールキット 11.8 が前もってインストール済みであるとする).
PyTorch で,GPU が動作している場合には,「torch.cuda.is_available()」により,True が表示される.
python -m pip install -U --ignore-installed pip python -m pip uninstall -y torch torchvision torchaudio torchtext xformers python -m pip install -U torch torchvision torchaudio numpy --index-url https://download.pytorch.org/whl/cu118 python -c "import torch; print(torch.__version__, torch.cuda.is_available())"
次のコマンドを実行.
※ バージョン番号が表示されれば OK.
python -c "import torch; print(torch.__version__, torch.cuda.is_available())"
https://pytorch.org/get-started/locally/ に記載のサンプルプログラムを実行してみる
Python プログラムを実行する
from __future__ import print_function import torch x = torch.rand(5, 3) print(x) exit()
Python プログラムを実行する
import torch torch.cuda.is_available() exit()
【関連する外部ページ 】
【インストール手順の詳細(別ページ) 】
【Dlib のインストール操作 】
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.
「11.7」のところは,実際にインストールしている NVIDIA CUDA ツールキットのバージョンにあわせること.
cd C:\ rmdir /s /q dlib git clone https://github.com/davisking/dlib cd dlib rmdir /s /q build mkdir build cd build del CMakeCache.txt cmake .. -G "Visual Studio 17 2022" -A x64 -T host=x64 ^ -DCUDA_SDK_ROOT_DIR="c:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v11.8" ^ -DCUDA_TOOLKIT_ROOT_DIR="c:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v11.8" ^ -D CUDA_NVCC_FLAGS="-allow-unsupported-compiler" ^ -DCUDA_NVCC_FLAGS_DEBUG="-allow-unsupported-compiler" ^ -DCMAKE_INSTALL_PREFIX=c:/dlib ^ -DUSE_AVX_INSTRUCTIONS=1 cmake --build . --config RELEASE --target INSTALL -- /m:4 python -m pip uninstall -y dlib cd C:\ cd dlib python setup.py build python setup.py install python -c "import dlib; print( dlib.__version__ )" powershell -command "$oldpath = [System.Environment]::GetEnvironmentVariable(\"Path\", \"Machine\"); $oldpath += \";c:\dlib\bin\"; [System.Environment]::SetEnvironmentVariable(\"Path\", $oldpath, \"Machine\")" cd C:\dlib cd python_examples curl -O http://dlib.net/files/mmod_human_face_detector.dat.bz2 curl -O http://dlib.net/files/dlib_face_recognition_resnet_model_v1.dat.bz2 curl -O http://dlib.net/files/shape_predictor_5_face_landmarks.dat.bz2 curl -O http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2 "c:\Program Files\7-Zip\7z.exe" x mmod_human_face_detector.dat.bz2 "c:\Program Files\7-Zip\7z.exe" x dlib_face_recognition_resnet_model_v1.dat.bz2 "c:\Program Files\7-Zip\7z.exe" x shape_predictor_5_face_landmarks.dat.bz2 "c:\Program Files\7-Zip\7z.exe" x shape_predictor_68_face_landmarks.dat.bz2 del mmod_human_face_detector.dat.bz2 del dlib_face_recognition_resnet_model_v1.dat.bz2 del shape_predictor_5_face_landmarks.dat.bz2 del shape_predictor_68_face_landmarks.dat.bz2
Dlib の動作確認のため,次を実行.エラーメッセージが出ずに,顔検出の結果が表示されれば OK とする.
cd C:\dlib cd python_examples python cnn_face_detector.py mmod_human_face_detector.dat ..\examples\faces\2007_007763.jpg
【face_recognition のインストール操作 】
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.
cd %HOMEPATH% rmdir /s /q face_recognition git clone https://github.com/ageitgey/face_recognition cd face_recognition copy C:\dlib\python_examples\shape_predictor_68_face_landmarks.dat . python setup.py build python setup.py install
face_recognition の動作確認のため,次を実行.エラーメッセージが出ずに,顔識別の結果が表示されれば OK とする.
mkdir %HOMEPATH%\face_recognition\known_people mkdir %HOMEPATH%\face_recognition\unknown_pictures copy %HOMEPATH%\face_recognition\examples\biden.jpg %HOMEPATH%\face_recognition\known_people copy %HOMEPATH%\face_recognition\examples\obama.jpg %HOMEPATH%\face_recognition\known_people copy %HOMEPATH%\face_recognition\examples\two_people.jpg %HOMEPATH%\face_recognition\unknown_pictures cd %HOMEPATH%\face_recognition face_recognition --show-distance true known_people unknown_pictures
【関連する外部ページ 】
【ipazc/mtcnn のインストール手順(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 -m pip install git+https://github.com/ipazc/mtcnn.git python -c "import mtcnn; print(mtcnn.__version__)"
Windows で,コマンドプロンプトを実行. 次のコマンドを実行
cd C:\dlib python
次の Python プログラムを実行
mtcnn の公式ページのプログラムを使用 (https://github.com/ipazc/mtcnn)
Python プログラムを実行する
from mtcnn import MTCNN import cv2 img = cv2.cvtColor(cv2.imread("./examples/faces/2007_007763.jpg"), cv2.COLOR_BGR2RGB) detector = MTCNN() detector.detect_faces(img)
【関連する外部ページ 】
【インストール手順の詳細(別ページ) 】
OpenPose の動作確認のため,次を実行.エラーメッセージが出ずに,検出の結果が表示されれば OK とする.
cd C:\openpose-1.7.0-binaries-win64-gpu-python3.7-flir-3d_recommended cd openpose bin\OpenPoseDemo.exe --video examples\media\video.avi
【関連する外部ページ 】
【インストール手順の詳細(別ページ) 】
matterplot/masked_rcnn の URL: https://github.com/matterport/Mask_RCNN
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 -m pip install scikit-image cython python -m pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI cd %USERPROFILE% rmdir /s /q Mask_RCNN git clone --recursive https://github.com/matterport/Mask_RCNN cd Mask_RCNN python -m pip install -r requirements.txt python setup.py build python setup.py install cd samples/coco
https://github.com/matterport/Mask_RCNN/blob/master/samples/demo.ipynb に記載のプログラムを実行してみる.
【関連する外部ページ 】
【Meshroom のインストール操作(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.
rmdir /s /q c:\muzero-general cd c:\ git clone https://github.com/werner-duvaud/muzero-general.git cd muzero-general python -m pip install -r requirements.txt
確認のため実行してみる.
python muzero.py tensorboard --logdir ./results
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.
rmdir /s /q c:\gym cd c:\ git clone https://github.com/openai/gym.git cd gym python -m pip install -e .