金子邦彦研究室インストールWindows の種々のソフトウェア(インストール)Windows でディープラーニング環境を整える

Windows でディープラーニング環境を整える

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

  1. ニューラルネットワークの基礎
  2. Windows での操作(注意点まとめ)
  3. Windows のセットアップ,便利なフリーソフトウエア
  4. ビルドツール(Build Tools)のインストール
  5. Git, CMake, 7-Zip のインストール
  6. NVIDIA ドライバ,NVIDIA CUDA ツールキット, NVIDIA cuDNN のインストール
  7. 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,PyCharm,Python の種々のパッケージ
  8. numpy, scikit-learn, TensorFlow, Keras, MatplotLib, opencv-python, PyTorch
  9. ディープラーニング応用

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

1. ニューラルネットワークの基礎

用語: ニューラルネットワーク,モデル,学習,過学習ドロップアウトCNN,転移学習,データ拡張

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.

2. Windows での操作(注意点まとめ)

3. Windows のセットアップ,便利なフリーソフトウエア

Windows のセットアップ

便利なフリーソフトウェアのインストール

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

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

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

4. ビルドツール(Build Tools)のインストール

ビルドツール(Build Tools)

ビルドツール(Build Tools)は,プログラムのソースコードから実行可能なプログラムやライブラリを生成するためのツールである. コンパイラ,リンカ,ランタイムライブラリなどが含まれている. ビルドツール(Build Tools)は,コマンドラインで使用される.

Visual Studio は機能が豊富であるが,ビルドツール(Build Tools)の機能しか使わない場合は,ビルドツール(Build Tools)だけをインストールできる.

サイト内の関連ページ

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)のインストール

  1. ダウンロード URL を開く

    https://visualstudio.microsoft.com/ja/downloads/

  2. このページの下の方の「Tools for Visual Studio」を展開

  3. Build Tools for Visual Studio 2022」の右の「ダウンロード」をクリック.

  4. ダウンロードが始まる

  5. ダウンロードした .exe ファイルを実行する
  6. 表示を確認し,「続行」をクリック

  7. C++ によるデスクトップ開発」をクリック.そして,右側で「ATL」と「MFC」をインストールするようにチェックする.「インストール」をクリック.

  8. ダウンロードとインストールが始まる

  9. インストール終了の確認

ビルドツール(Build Tools)の動作確認のため,プログラムをビルドしてみる

Visual Studioビルドツール(Build Tools) をコマンドラインで使いたいときは, Visual Studio の x64 Native Tools コマンドプロンプトを使う.

  1. Visual Studio の x64 Native Tools コマンドプロンプトを開く.

    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

  2. cl にパスが通っていることを確認する

    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 2022C++ についての設定を行う.

    1. C++ についての設定をしたいので、Visual Studio Installer (Visual Studio インストーラー)を起動

      Windowsのスタートメニューからの起動が簡単

    2. Visual Studio Build Tools 2022 の画面で「変更」をクリック
    3. C++ によるデスクトップ開発」をチェック.そして,画面右側の「インストール」の詳細で「v143 ビルドツール用 C++/CLI サポート(最新)」をチェックする.その後,「インストール」をクリック.
    4. インストールが始まる.しばらく待つ.
  3. コンパイラの動作確認

    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
    

  4. いまメモ帳で開いたファイルを, 次のように編集する(コピー&ペーストしてください).そして保存する.
    #include<stdio.h>
    int main() {
        printf("Hello,World!\n");
        printf("sizeof(size_t)=%ld\n", sizeof(size_t));
        return 0;
    }
    

  5. 次のコマンドを実行

    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

5. Git, CMake, 7-Zip のインストール

Git のインストール

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

関連する外部ページ

CMake のインストール

CMake は,ソフトウェアのソースコードからビルドを効率的に行うためのツールであるWindows では,CMake のオプションは,「cmake-gui」コマンドを使用して確認することができる.

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

  1. CMake のダウンロードのページを開く

    https://cmake.org/download/

  2. 64ビットWindowsのインストーラを選ぶ

  3. ダウンロードしたファイルを実行する.そして,オプションとして「Add CMake to the system PATH for all users」を選ぶ.他のオプションは既定(デフォルト)のままでよい.

サイト内の関連ページ

関連する外部ページ

7-Zip のインストール

7-Zipはファイルやフォルダの圧縮・解凍作業を行うためのツールである.Windows の標準機能では簡単に扱えない各種形式のアーカイブファイルを扱うことが可能である.

7-Zip の公式ページ: https://sevenzip.osdn.jp/ からダウンロードしてインストールする.

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, 7-Zip 23.01 のインストールを行うことができる.

mkdir %HOMEPATH%\7zip
cd %HOMEPATH%\7zip
curl -O https://www.7-zip.org/a/7z2301-x64.exe
.\7z2301-x64.exe
powershell -command "$oldpath = [System.Environment]::GetEnvironmentVariable(\"Path\", \"Machine\"); $oldpath += \";c:\Program Files\7-Zip\"; [System.Environment]::SetEnvironmentVariable(\"Path\", $oldpath, \"Machine\")"
  1.  7-Zip の公式ページを開く
    https://sevenzip.osdn.jp/
  2.  ダウンロードしたいので,「7-Zip ... for Windows」の下の,「64 ビット x64」の「ダウンロード」をクリック

  3. ダウンロードした .exe ファイルを実行
  4. Windowsシステム環境変数 Pathc:\Program Files\7-Zip追加することにより,パスを通す

    Windows で,コマンドプロンプト管理者として実行

    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 "$oldpath = [System.Environment]::GetEnvironmentVariable(\"Path\", \"Machine\"); $oldpath += \";c:\Program Files\7-Zip\"; [System.Environment]::SetEnvironmentVariable(\"Path\", $oldpath, \"Machine\")"
    

    [image]

サイト内の関連ページ

関連する外部ページ

6. NVIDIA ドライバ,NVIDIA CUDA ツールキット, NVIDIA cuDNN のインストール

6.1 GPU,NVIDIA ドライバ,NVIDIA CUDA ツールキット,NVIDIA cuDNN,TensorFlow の説明

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 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

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 cuDNN

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

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

6.2 TensorFlow 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 GPU 版の動作に必要なもの(2023年4月時点)

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

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

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別ページ »で説明している.

NVIDIA ドライバのインストールでの注意点まとめ(Windows 上)

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

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

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

7. 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,PyCharm,Python の種々のパッケージ

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.

Python 3.10 の根拠:

古いバージョン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.

② Python のインストール

Python のインストールでの注意点

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管理者として実行

    Windowspip を実行するときは,コマンドプロンプト管理者として開き,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
    

    [image]

【pip の利用】

Windows では,pip は,次のコマンドで起動できる.

pip または python -m pip または py -3.10 -m pip のようにバージョン指定.

Windows では,管理者として実行.

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管理者として実行

    Windowspip を実行するときは,コマンドプロンプト管理者として開き,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
    

    [image]

⑤ PyCharm のインストール(Windows 上)

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

⑥ Jupyter Qt Console, NTeract が起動できるかを確認

  1. numpy, matplotlib のインストール

    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
    
  2. Jupyter Qt Console の起動チェック

    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
    

    [image]

    [image]
  3. 確認のため,Jupyter Qt Console で,次の 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

    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))
    

    [image]
  4. nteract の起動チェック

    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
    

    [image]
    [image]
  5. 確認のため,nteract で,次の Python プログラムを実行してみる.

    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))
    

    [image]
  6. Juypter Notebook で,保存のときに,.py ファイルと .ipyrb ファイルが保存されるように設定.(この設定を行わないときは .ipyrb ファイルのみが保存される)
    1. 次のコマンドで,設定ファイルを生成

      jupyter notebook --generate-config
      
    2. jupyter/jupyter_notebook_config.py を編集し,末尾に,次を追加

      c.NotebookApp.contents_manager_class = "jupytext.TextFileContentsManager"

    3. jupyter notebook を起動し,Edit, Edit Notbook Manager を選ぶ.次のように設定する.

      "jupytext": {"formats": "ipynb,py"}

⑥ numpy, scikit-learn を使ってみる

⑦ Python の種々のパッケージ

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.

8. numpy, scikit-learn, TensorFlow, Keras, MatplotLib, opencv-python, PyTorch

① TensorFlow GPU 版 2.10, Keras, MatplotLib, Python 用 opencv-python のインストール

設定の要点

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

  1. Windows で,コマンドプロンプト管理者として実行

    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
    

    [image]
  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
    

    [image]
  4. TensorFlow 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.

    Windowspip を実行するときは,コマンドプロンプト管理者として開き,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
    

    [image]
  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
    

    [image]
    (以下省略)
  6. MatplotLib, Python 用 opencv-python のインストール

    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
    

    [image]
  7. 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__ )"
    

    [image]

    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.

    [image]
  8. TensorFlow パッケージの情報の表示

    pip show tensorflow
    

    [image]
  9. (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.

    [image]

    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 8.2TensorFlow 2.4 の GPU 版での,cuDNN のバージョンは 8.0.5TensorFlow 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

  10. Windows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\")"
    

    [image]

② 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

    [image]
  3. Python プログラムの実行
    cd <画像を置いたディレクトリ>
    python  
    

    [image]
  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.

    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) 
    

    [image]

    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.

    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]))
    

    [image]

    python の終了は「exit()」

③ PyTorch, Torchvision, Caffe2

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/

  1. PyTorch の「はじめよう」の Web ページを開く

    https://pytorch.org/get-started/locally/

  2. 種類を選ぶ

    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.

    [image]
  3. 「Run the command」のところに,コマンドが表示されるので確認する

    [image]
  4. 表示されたコマンドを実行.「pip3」は「python -m pip」に読み替える.

    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

    Windowspip を実行するときは,コマンドプロンプト管理者として開き,それを使って pip を実行することにする.

    次のコマンドは, PyTorch 2.0 (NVIDIA CUDA 11.8 用) をインストールする. 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 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())" 
    

    [image]
  5. PyTorch のバージョン確認

    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())" 
    

    [image]
  6. PyTorch の動作確認

    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()
    

    [image]
  7. GPU が動作しているか確認

    Python プログラムを実行する

    import torch
    torch.cuda.is_available()
    exit()
    

    [image]

9. ディープラーニング応用

dlib, face_recognition(顔検出,顔のアラインメント,顔のランドマーク,顔認識その他)

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

[image]

[image]

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

[image]

ipazc/mtcnn

関連する外部ページ

ipazc/mtcnn のインストール手順(Windows 上)

  1. インストール

    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.

    Windowspip を実行するときは,コマンドプロンプト管理者として開き,それを使って pip を実行することにする.

    python -m pip install git+https://github.com/ipazc/mtcnn.git
    python -c "import mtcnn; print(mtcnn.__version__)"
    
  2. 動作確認

    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)
    

    [image]

OpenPose (人体の姿勢推定,指のポーズ推定)

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

[image]

Tesseract OCR 5 (文字認識)

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 (画像のセグメンテーション)

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.

Meshroom(写真測量,フォトグラメトリ)

関連する外部ページ

Meshroom のインストール操作(Windows 上)

muZero

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

OpenAIGym

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 .