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.
「ファイル名拡張子」をチェック,「隠しファイル」をチェックしておいた方が 作業が進めやすい(各自で判断すること).
Windows のコマンドプロンプトを開くには,検索窓で「cmd」と入れるのが簡単.
Windows のコマンドプロンプトを管理者として実行するには, 検索窓で「cmd」と入れたあと, 右クリックメニューで「管理者として実行」を選ぶのが簡単.
キーボードに 「\」があるとき, コマンドプロンプトで「\」を入れると,円記号「¥」が表示される.これは正常動作.
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.
私がよく使用するツール類
公式のダウンロードページ: https://brave.com/ja/download/
公式のダウンロードページ: https://www.mozilla.org/ja/firefox/
uBlock(Firefox アドオン): https://addons.mozilla.org/ja/firefox/addon/ublock-origin/
ChatGPT for Search Engines (Firefox アドオン): https://addons.mozilla.org/ja/firefox/addon/chatgpt-for-search-engines/
Simple Translate (Firefox アドオン): https://addons.mozilla.org/ja/firefox/addon/simple-translate/
Enhancer for YouTube (Firefox アドオン): https://addons.mozilla.org/ja/firefox/addon/enhancer-for-youtube/
Falcon (Firefox アドオン): https://addons.mozilla.org/ja/firefox/addon/falcon_extension/
公式のダウンロードページ: https://www.google.com/intl/ja_jp/chrome/
uBlock(Google Chrome アドオン): https://chrome.google.com/webstore/detail/ublock-origin/cjpalhdlnbpafiamejdnhcphjbkeiagm?hl=ja
ChatGPT for Search Engines (Google Chrome アドオン): https://chrome.google.com/webstore/detail/chatgpt-for-search-engine/feeonheemodpkdckaljcjogdncpiiban
Simple Translate (Google Chrome アドオン): https://chrome.google.com/webstore/detail/simple-translate/ibplnjkanclpjokhdolnendpplpjiace?hl=ja
Enhancer for YouTube (Google Chrome アドオン): https://chrome.google.com/webstore/detail/enhancer-for-youtube/ponfpcnoihfmfllpaingbgckeeldkhle?hl=ja
Falcon (Google Chrome アドオン): https://chrome.google.com/webstore/detail/falcon/mmifbbohghecjloeklpbinkjpbplfalb
公式のダウンロードページ: https://www.voidtools.com/
公式ページ: https://anytxt.net
draw.ioのURL: https://github.com/jgraph/drawio-desktop/releases
公式のダウンロードページ: https://getgreenshot.org/
公式のダウンロードページ: https://www.inasoft.org/icountt.html#mlrep
公式のダウンロードページ: https://filezilla-project.org/
公式のダウンロードページ: https://mobaxterm.mobatek.net/download.html
公式のダウンロードページ: https://github.com/smzht/fakeymacs
Windows Sysinernals の URL: https://docs.microsoft.com/ja-jp/previous-versions/bb545021(v=msdn.10)?redirectedfrom=MSDN
sdelete の URL: https://docs.microsoft.com/ja-jp/sysinternals/downloads/sdelete
次のコマンドで,デフラグと,空き領域のゼロフィルを行う.
defrag c: sdelete -z c:
Build Tools for Visual Studio (ビルドツール for Visual Studio)は,Windows で動くMicrosoft の C++ コンパイラーである.
(例)cl hello.c
「cl hello.c」でコンパイルしたときは「hello.exe」ファイルができるので確認
#pragma warning(disable: 4996)
【Build Tools for Visual Studio 2022 (ビルドツール for Visual Studio 2022)のダウンロードページ 】
https://visualstudio.microsoft.com/ja/visual-cpp-build-tools/
【Build Tools for Visual Studio 2022 (ビルドツール for Visual Studio 2022)のインストール 】
Microsoft Visual Studio の C/C++ をコマンドで使いたいときは, Visual Studio の x64 Native Tools コマンドプロンプトを使う.
Windows のスタートメニューで「Visual Studio 2022」の下の「x64 Native Tools Command Prompt for VS 2022」で起動する.(あるいは類似のものを探す).「x64」は,64ビット版の意味である.
以下の操作は,x64 Native Tools コマンドプロンプトで行う
エラーメッセージが出ていないことを確認.
where cl
※ 「cl が無い」 という場合は,次の手順で,Visual Studio Build Tools 2022 の C++ についての設定を行う.
Windowsのスタートメニューからの起動が簡単
まず,エディタを開く. ここではメモ帳 (notepad) を使っている.
x64 Native Tools コマンドプロンプト で,次のコマンドを実行する. ファイル名は hello.c としている.
c: cd %HOMEPATH% notepad hello.c
#include<stdio.h> int main() { printf("Hello,World!\n"); printf("sizeof(size_t)=%ld\n", sizeof(size_t)); return 0; }
x64 Native Tools コマンドプロンプトを使うこと.
結果として,「Hello,World!」「sizeof(size_t)=8」と表示されればOK.
del hello.exe cl hello.c .\hello.exe
実行結果例
Git のページ https://git-scm.com/ からダウンロードしてインストール:
Git のインストールの詳細: 別ページ »で説明
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.
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
下の図では 64ビットWindows 用を選んでいる
7-Zip は,Windows で動くソフトウェア.ファイルの圧縮や展開の機能を持つ.
7-Zip のページ: https://sevenzip.osdn.jp/ からダウンロードしてインストールする.
7-Zip のインストールの詳細: 別ページ »で説明
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.
call powershell -command "$oldpath = [System.Environment]::GetEnvironmentVariable(\"Path\", \"Machine\"); $oldpath += \";c:\Program Files\7-Zip\"; [System.Environment]::SetEnvironmentVariable(\"Path\", $oldpath, \"Machine\")"
● GPU
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.現在は,3次元のビデオゲーム,さまざまな計算,ディープラーニングの高速な並列処理などに用いられている.
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 ツールキットの動作に必要なもの】
Windows で,NVIDIA グラフィックス・カ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.
【Windows でインストールするときの注意点】
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.
call powershell -command "[System.Environment]::SetEnvironmentVariable(\"TEMP\", \"C:\TEMP\", \"User\")"
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】
【NVIDIA cuDNN の動作に必要なもの】
最新のNVIDIA CUDA ツールキットでは動かないということもあるので注意.
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 のインストールを行うため, 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.
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.
cd "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin" curl -O http://www.winimage.com/zLibDll/zlib123dllx64.zip call powershell -command "Expand-Archive zlib123dllx64.zip" copy zlib123dllx64\dll_x64\zlibwapi.dll .
NVIDIA Developer Program の公式ページ: https://developer.nvidia.com/developer-program
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. NVIDIA ドライバ,NVIDIA CUDA ツールキット, NVIDIA cuDNN のインストールと動作確認の詳細は別ページ »で説明
Tensorflowは, データフローグラフ (data flow graph) を特色とするフレームワークの機能を持つ Pythonのパッケージ. データフローグラフでは, 節が数値演算,枝が多次元の配列(テンソル)になっている. Python, C/C++ 言語から利用可能.機械学習のアプリケーションを簡単に作成できるもの. プロセッサ(CPU), GPU, Google TPU で動く. Google 社のディープラーニング研究プロジェクト. 2015年11月に最初のリリース.
TensorFlow のデータセットとして,https://github.com/tensorflow/datasets などで・音声,画像,テキスト,ビデオのデータが多数公開されており,学習に利用できる
TensorFlow GPU 版の動作に必要なもの
そのために, 最新の NVIDIA cuDNNと, それに対応した,NVIDIA CUDA ツールキット 11を使う. (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.Tensorflow 2.10.1 で実際に試したが,バージョン 12 は不可)
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, NVIDIA cuDNN のページ https://developer.nvidia.com/cudnn で確認
古いバージョンである2.4.4 あるいはそれ以前のバージョン のTensorFlow を使う場合は, 最新の NVIDIA cuDNNを使わないこと. 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
但し,最新版ではない NVIDIA CUDA ツールキットのインストーラに同封されている NVIDIA ドライバは古いので, 最新版ではない NVIDIA CUDA ツールキットのインストーラを使うときは,別に, NVIDIA ドライバのダウンロードとインストールを行う.
次のページから,最新版の NVIDIA ドライバをダウンロードできる.
NVIDIA CUDA ツールキットの nvcc の動作に必要.
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
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.
NVIDIA CUDA ツールキットのアーカイブの公式ページ: https://developer.nvidia.com/cuda-toolkit-archive
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
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 call powershell -command "[System.Environment]::SetEnvironmentVariable(\"TEMP\", \"C:\TEMP\", \"User\")"
https://docs.nvidia.com/cuda/cuda-quick-start-guide/index.html
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 のダウンロードとインストールを行うことができる.
「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.
cd "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin" curl -O http://www.winimage.com/zLibDll/zlib123dllx64.zip call powershell -command "Expand-Archive zlib123dllx64.zip" copy zlib123dllx64\dll_x64\zlibwapi.dll .
使用する NVIDIA CUDA ツールキットのバージョンにあう NVIDIA cuDNN のバージョンをインストールすること.
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
システム環境変数 CUDNN_PATH の設定のため, 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
call 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,ユーザ名が日本語のとき,あとでトラブルが発生するかもしれない. トラブルの回避のため, Python をシステム管理者の領域にインストール(パソコンの全ユーザの共有領域)する.
TensorFlow を使う予定がある場合は,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. 2022/9 時点では,TensorFlow バージョン 2.10 が動くのは,Python 3.10 または Python 3.9 または Python 3.8 または Python 3.7 (https://pypi.org/project/tensorflow/2.10/#files)
【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
【Python の公式ページ】
【pip の利用】
python -m pip install -U pip setuptools jupyterlab jupyter jupyter-console jupytext PyQt5 nteract_on_jupyter spyder
【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
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
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
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 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 "c:\Program Files\7-Zip\7z.exe" x 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 %HOMEPATH% 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 %HOMEPATH% 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 %HOMEPATH% 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
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 tensorflow tensorflow-cpu tensorflow-gpu tensorflow-intel tensorflow-text tf-models-official tf_slim tensorflow_datasets tensorflow-hub keras keras-tuner keras-visualizer
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
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 v8.8 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
call powershell -command "[System.Environment]::SetEnvironmentVariable(\"TF_FORCE_GPU_ALLOW_GROWTH\", \"true\", \"Machine\")"
python -m pip install -U h5py pillow
10.png のようなファイル名で保存しておく
cd <画像を置いたディレクトリ> python
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.
Python プログラムを実行する
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()」
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.
Python プログラムを実行する
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()」
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.
コマンドプロンプトを管理者として開き,次のように,コマンドを実行
次のコマンドは, PyTorch 2.0 (NVIDIA CUDA 11.8 用) をインストールする. 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).
python -m pip install -U pip python -m pip install -U torch torchvision torchaudio numpy numba --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__ )"
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/v11.7" ^ -DCUDA_TOOLKIT_ROOT_DIR="c:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v11.7" ^ -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 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__ )" call 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 %HOMEPATH% 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 .