トップページ情報工学の基礎学習・実験環境を整える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,次のソフトウエアのインストール,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. マイクロソフト C++ ビルドツール(64 ビット対応)のインストール
  4. Git, cmake, 7-Zip のインストール
  5. Python とディープラーニング環境(NVIDIA CUDA, NVIDIA cuDNN, Python, TensorFlow, PyTorch その他)のインストール
  6. ディープラーニング応用

注意事項

【サイト内の関連ページ】

オンラインですばやく TensorFlow, Keras などを試したい場合は,Google Colaboratory の利用を検討できる.

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:別ページにまとめている.

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. マイクロソフト C++ ビルドツール(64 ビット対応)のインストール

Windows で動くMicrosoft の C++ コンパイラーである.

インストール手順

ダウンロードしインストールする. ダウンロードでは、「Build Tools for Visual Studio 2019」を選ぶ.

動画リンク: https://www.youtube.com/watch?v=7NUhUTdd75Q

コンパイラの動作確認

  1. まず,エディタを開く(ここでは「メモ帳」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. ファイル名は hello.c としている.

    C: 
    cd %HOMEPATH%
    notepad hello.c
    

    [image]

  2. 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;
    }
    

    [image]
  3. x64 Native Tools コマンドプロンプト で,次のコマンドを実行

    結果として,「Hello,World!」「sizeof(size_t)=8」と表示されればOK.

    cl hello.c
    .\hello.exe
    

    実行結果例

    [image]

4. Git, cmake, 7-Zip のインストール

Git, cmake, 7-Zip は,ダウンロード,展開(解凍),ビルドのときに便利である.

Windows での,これらのインストールには,複数の方法がある.

次のページでは,winget を用いてインストールする場合と,winget を用いずにインストールする場合の両方について説明している. どちらかの方法でインストールすること.

Git, cmake, Wget, 7-Zip のインストール(Windows 上)

5. Python とディープラーニング環境(NVIDIA CUDA, NVIDIA cuDNN, Python, TensorFlow, PyTorch その他)のインストール

5.1 NVIDIA グラフィックスドライバ,NVIDIA CUDA ツールキット 11.4, NVIDIA cuDNN 8.2

設定の要点

システム環境変数 CUDNN_PATH: C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4

5.1.1 前準備

  1. マイクロソフト C++ ビルドツールもしくはVisual Studio を,前もってインストールしておく.

    インストール手順などは上で説明している.

    Visual Studio を使う予定がある場合は、Visual Studio をインストールを行う. Visual Studio を使う予定がない場合は、マイクロソフト C++ ビルドツールのインストールを行う.いずれも,CUDA の nvcc を機能させるため.

  2. 古いNVIDIA グラフィックスドライバ,NVIDIA CUDA などがインストール済みのときは,アンインストール

    その方がトラブルが少ないように感じている.あとで「アンインストールを忘れていた」と思ったとしても,トラブルが発生(見慣れないエラーメッセージがでるなど)しなれけば,そのまま続行して構わない.

    Windows のスタートメニューで「設定」,「アプリ」と操作して,「NVIDIA ・・・」を削除

  3. (NVIDIA GPU を使うとき)使用する TensorFlow のバージョンを確認の上,Python と NIDIA CUDA ツールキットとNIDIA cuDNN のバージョンを確認

    TensorFlow を使う場合は,必要となる NVIDIA CUDA ツールキット,NVIDIA cuDNN のバージョン確認

    TensorFlow は,そのバージョンによって,必要となる Python,NVIDIA CUDA ツールキットNVIDIA cuDNNバージョンが違う.必ずしも,「最新の NVIDIA CUDA ツールキット,NVIDIA cuDNN で動く」ということではないので,注意が必要である. そのことは,https://www.tensorflow.org/install/gpu で確認できる.

    そこで, まずは,使用したい TensorFlow のバージョンにより, 必要な Python, NVIDIA CUDA ツールキットNVIDIA cuDNN のバージョンを決める.

    なお,NVIDIA CUDA ツールキットはバージョンごとにディレクトリ名が変わるので,複数バージョンの同時インストールが可能. NVIDIA cuDNN は,ディレクトリを自由に決めることができるので,複数バージョンの同時インストールが可能である.

    NVIDIA CUDA ツールキットのバージョン:

    指定されているバージョンより高いものは使わない. その根拠は次のページ. URL: https://www.tensorflow.org/install/source#common_installation_problems

    NVIDIA cuDNN のバージョン:

    • TensorFlow 2.7 の GPU 版での,cuDNN のバージョンは 8.3 系列(2021/11 時点で,NVIDIA CUDA ツールキット 11.5 で動く最新版).
    • TensorFlow 2.6, TensorFlow 2.5 の GPU 版での,cuDNN のバージョンは 8.2 系列
    • TensorFlow 2.4 の GPU 版での,cuDNN のバージョンは 8.0.5が良さそうである.
    • TensorFlow 2.3, 2.2, 2.1, 2.0, 1.15, 1.14, 1.13 の GPU 版での,cuDNN のバージョンは 7 系列 (まずは,7.6.5を使い,7.6.5でうまく動かない場合には 7.4.2 を試す).8 系列では動かない
    • それより高いバージョンよりは使わないこと.

    その根拠は次のページ. URL: https://www.tensorflow.org/install/source#common_installation_problems

5.1.2 NVIDIA グラフィックスドライバのインストール

  1. まず,NVIDIA グラフィックスボードの種類を調べる

    hwinfo (URL: https://www.hwinfo.com) を使って調べることができる.

  2. あとで,NVIDIA CUDA ツールキットをインストールするときに,NVIDIA グラフィックスドライバを同時にインストールすることができる.

    いまは、グラフィックスボードの種類を確認し,次へ進む.

    但し, NVIDIA CUDA ツールキットの古いバージョンを使う場合には,次のページから,最新のNVIDIA グラフィックスドライバをダウンロードして,インストールする.

    NVIDIA グラフィックスドライバのダウンロード用ページ: https://www.nvidia.co.jp/Download/index.aspx?lang=jp

5.1.3 NVIDIA CUDA ツールキット 11.5 のインストール

次の URL よりダウンロードして,インストールする.

Windows での NVIDIA グラフィックスドライバ,NVIDIA CUDA ツールキット 11.5NVIDIA cuDNN 8.3 のインストール: 別ページで説明している.

5.1.4 NVIDIA cuDNN のインストール

  1. NVIDIA Developer Program メンバーシップ

    cuDNN のダウンロードのため,利用者本人が,電子メールアドレス,表示名,パスワード,生年月日を登録.利用条件等に合意.

    URL: https://developer.nvidia.com/cudnn

  2. NVIDIA cuDNN 8.3 for CUDA 11.5 のダウンロードと展開(解凍)
  3. システム環境変数 CUDNN_PATH の設定

    システム環境変数 CUDNN_PATHは次のように設定する. (cuDNN を展開したディレクトリに設定する)

    環境変数の名前
    CUDNN_PATH
    値
    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.5
    

  4. NVIDIA cuDNN のインストールの確認のため,新しくコマンドプロンプトを開き,次のコマンドを実行.
    where cudnn64_8.dll
    

    「C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\bin\cudnn64_8.dll」 が表示される

    [image]

動画リンク: https://www.youtube.com/watch?v=5ZI2M-0mJFo

5.1.5 nvcc の動作確認

  1. C/C++ をコマンドで使いたいので,Visual Studio の x64 Native Tools コマンドプロンプトを開く.

    起動は,Windows のメニューで「Visual Studio 20..」の下の「x64 Native Tools コマンドプロンプト (x64 Native Tools Command Prompt)」を選ぶ.「x64」は,64ビット版の意味である.

    ※ 32ビットのNative Tools コマンドプロンプトでは nvcc が動かない

    以下の操作は,x64 Native Tools コマンドプロンプトで行う

  2. 確認のため,「where cl」を実行.

    エラーメッセージが出ていないことを確認.

    where cl
    

    [image]
  3. nvccの動作確認のため, https://devblogs.nvidia.com/easy-introduction-cuda-c-and-c/に記載のソースコードを使用.

    まず,エディタを開く(ここでは「メモ帳」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. ファイル名は hello.cu としている.

    cd %HOMEPATH%
    notepad hello.cu
    

    [image]

  4. その後,ファイルを編集し,ファイルを保存.

    ファイル hello.cu ができる.

    [image]
  5. ビルドと実行.

    「nvcc hello.cu」で a.exe というファイルができる. 「Max error: 0.000000」と表示されればOK.

    うまく動かないときは,まず,マイクロソフト C++ ビルドツールの動作を,別ページの手順により確認し,異常があれば,マイクロソフト C++ ビルドツールのインストールなどで対処.それでも動かないときは,NVIDIA CUDA ツールキットのインストールしたときの作業に間違いがなかったかを再確認.

    nvcc hello.cu
    

    [image]
    .\a.exe
    

    [image]

5.2 Python 3.9 のインストール,pip と setuptools の更新,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

5.2.1 古いバージョンの Python のアンインストール

すでに,Python がインストール済みのとき.

ここで示すインストール手順とは異なる設定ですでに Python をインストールしていた場合は,それをそのまま使うよりも, アンインストールしておいたほうがトラブルが少ない可能性がある.

  1. Python をインストール済みであるかを確認.
  2. インストール済みのときは,Pythonをすべてアンインストールしてから,ここから先の操作を開始した方がトラブルが少ない.
  3. Python 関係のファイルの削除

    コマンドプロンプト管理者として実行し,次のコマンドを実行.

    この操作は,必ずPython をすべてアンインストールした後に行うこと.

    rmdir /s /q %APPDATA%\Python
    rmdir /s /q "C:\Program Files\Python3*"
    

5.2.2 Python 3.9 のインストール

インストールの要点

Python 3.9 のインストール(Windows 上)のページ: https://www.kkaneko.jp/tools/win/python.html

動画 URL: https://www.youtube.com/watch?v=2MlVmx-yLM8

インストール手順

Windows での Python 3.9 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. TensorFlow のインストール予定がある場合には, 次のページで,必要な Python のバージョンを確認

    URL: https://pypi.org/project/tensorflow-gpu/#files

  2. Python の URL を開く

    URL: https://www.python.org

  3. Windows 版の Python 3.9 をダウンロード

    ページの上の方にある「Downloads」の下の「Windows」をクリック

    [image]
  4. Stable Releases」から,Python のバージョンを選ぶ

    ここでは,Python 3.9.x (x は数字)を探して,選ぶ.

    [image]

    以下,Python 3.9.9 を選んだとして説明を続ける.他のバージョンでも以下の手順はほぼ同じである.

    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. 2021/11 時点では,TensorFlow バージョン 2.7.0 が動くのは,Python 3.73.83.9

  5. ファイルの種類を選ぶ.

    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 Installer (64-bit)」を選ぶ

    [image]
  6. ダウンロードが始まる

    [image]
  7. 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.

    [image]
  8. 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.

    [image]

    ※ 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.

    [image]
  9. Add Python 3.9 to PATH」をチェック.

    [image]
  10. Customize installation」をクリック.

    [image]
  11. 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

    [image]
  12. Install for all users」を選ぶ.

    Install for all users」を選ぶ理由.

    ユーザ名が日本語のときのトラブルを防ぐため.

    [image]
  13. そして,Python のインストールディレクトリは,「C:\Program Files\Python39」のように自動設定されることを確認.

    [image]
  14. Install」をクリック

    [image]
  15. インストールが始まる
  16. 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

    表示されない場合は問題ない.そのまま続行.

    [image]
  17. インストールが終了したら,「Close」をクリック

    [image]
  18. インストールのあと,Windows のスタートメニューに「Python 3.9」が増えていることを確認.
  19. 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.

    pypip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\Python39\Scripts\pip.exe」 が表示されることを確認. (「39」のところは使用する Python のバージョンに読み替えること).

    [image]

    表示されないときは, システムの環境変数Pathに,C:\Program Files\Python39C:\Program Files\Python39\Scripts が追加済みであることを確認(「39」のところは使用する Python のバージョンに読み替えること).無ければ追加し,再度コマンドプロンプトを開いて,再度「where py」,「where pip」を実行して確認.

    それでもうまく行かない場合は,いろいろ原因が考えられる.対処としては,Python のアンインストールを行う.過去,アンインストールがうまく行かなかった可能性を疑う(Python の Scripts の中のファイルで,アンインストール操作により削除されるべきファイルが残っている可能性があるなど)

  20. pip と setuptools の更新

    コマンドプロンプト管理者として実行し,次のコマンドを実行.

    Windows での pip の実行では,コマンドプロンプト管理者として実行することにする。

    [image]

    python -m pip install -U pip setuptools
    

    [image]

5.2.3 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

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)のインストールを行う.

Python, pip, Python 開発環境の起動コマンドのまとめ.

Windows では,python, pip, Jupyter Qt Console, Jupyter ノートブック (Jupyter Notebook), Jupyter Lab, Nteract, spyder は,次のコマンドで起動できる.

Windows で複数の Python をインストールしているときは,環境変数 Path で先頭の Python が使用される.

WindowsPython ランチャーでバージョン指定

Ubuntu では,python, pip, Jupyter Qt Console, Jupyter ノートブック (Jupyter Notebook), Jupyter Lab, Nteract, spyder は,次のコマンドで起動できる.

Windows, Ubuntu での 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: 別ページで説明している.

Python プログラムを動かすために, Python のコマンド (python あるいは python3 を使う. あるいは, Python の開発環境や Python コンソール(Jupyter Qt ConsolespyderPyCharmPyScripter など)の利用も便利である.

  1. pip と setuptools の更新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)

    コマンドプロンプト管理者として実行し,次のコマンドを実行.

    Windows での pip の実行では,コマンドプロンプト管理者として実行することにする。

    [image]

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

    [image]

    Python の隔離された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 の隔離された環境を作る.

    コマンドプロンプト管理者として実行し,次のコマンドを実行.

    Python の使用は「C:\venv\py39\Scripts\activate.bat」の後,「python」で行う.

    py -3.9 -m pip install -U pip setuptools
    py -3.9 -m venv --system-site-packages C:\venv\py39
    C:\venv\py39\Scripts\activate.bat
    python -m pip install -U pip setuptools jupyterlab jupyter jupyter-console jupytext nteract_on_jupyter spyder
    
  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. Jupyter Qt Console が開けば OK.

    jupyter qtconsole
    

  3. 確認のため,Jupyter Qt Console で,次の Python プログラムを実行してみる.
    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.plot(x, np.sin(x))
    

  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. ntetact が開けば OK.

    jupyter nteract
    

  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,次のプログラムを入れ実行.

    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.plot(x, np.sin(x))
    

  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"}

5.3 numpy, scikit-learn, TensorFlow, Keras, MatplotLib, opencv-python, PyTorch

5.3.1 numpy, scikit-learn を使ってみる

コマンドプロンプト管理者として実行し,次のコマンドを実行.

python -m pip install -U numpy scikit-learn scikit-learn-intelex

numpy の動作確認

py -3.9
import numpy as np
print(np.sin(0))
exit()

[image]

5.3.2 Python の数値演算等の性能確認

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

[image]

5.3.3 TensorFlow 2.6(GPU 対応可能), 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する.

    [image]
  2. 使用する Python のバージョンの確認
    python --version
    

    [image]
  3. TensorFlow 2.6, Keras, MatplotLib, Python 用 opencv-python のインストール

    最初に,TensorFlowKerasアンインストール操作を行う(旧バージョンが残っているときのトラブルの可能性を減らすため). その後,インストールを行う.

    Windows での pip の実行では,コマンドプロンプト管理者として実行することにする。

    [image]

    python -m pip uninstall -y tensorflow tensorflow-cpu tensorflow-gpu tensorflow_datasets tensorflow-hub keras
    python -m pip install -U tensorflow tf-models-official tf_slim tensorflow_datasets tensorflow-hub numpy pillow pydot matplotlib seaborn scikit-learn scikit-learn-intelex keras keras-tuner keras-visualizer opencv-python opencv-contrib-python
    python -m pip install git+https://github.com/tensorflow/docs
    python -m pip install git+https://github.com/tensorflow/examples.git
    

    [image]
    (途中省略)
    [image]
    (以下省略)
  4. 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]
  5. パッケージの情報の表示

    pip show tensorflow
    
  6. (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())"
    

    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 CUDA ツールキット 11.5NVIDIA cuDNN 8.3 のインストール: 別ページで説明している.

  7. システム環境変数 TF_FORCE_GPU_ALLOW_GROWTH の設定

    Windows での環境変数の設定は,マイコンピュータを右クリック → プロパティ→ 詳細設定 → 環境変数をクリック

    Windowsの画面の表示では、「\」(円マーク)が表示される

5.3.4 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 プログラムを動かす.
    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.

    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.

    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()」

5.4 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 11.4 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 Build: 「Stable
    • Your OS: 「Windows」 ・・・ Windows にインストールするので
    • Package: 「pip
    • Language: ・・・ Python プログラミング を選ぶ
    • CUDA: 「11.1」 ・・・ CUDA 11 をインストールした場合
  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
  4. コマンドプロンプト管理者として実行し,次のように,コマンドを実行.

    Windows での pip の実行では,コマンドプロンプト管理者として実行することにする。

    [image]

    python -m pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio===0.9.0 -f https://download.pytorch.org/whl/torch_stable.html
    
  5. その結果,エラーメッセージが出ていないことを確認.
  6. PyTorch のバージョン確認

    端末で,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__ )"
    

    [image]
  7. 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 プログラムを動かす.

    from __future__ import print_function
    import torch
    x = torch.rand(5, 3)
    print(x)
    exit()
    

    [image]
  8. GPU が動作しているか確認

    次の Python プログラムを実行して確認.

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

    [image]
  9. Caffe 2 の確認

    メッセージが出ないことを確認

    python -c "from caffe2.python import core"
    

    [image]
  10. Caffe 2 の確認

    CUDA デバイスの数が表示されることを確認

    python -c "from caffe2.python import workspace; print(workspace.NumCudaDevices())"
    

    [image]

6. 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)

OpenPose (人体の姿勢推定,指のポーズ推定)

getBaseModels.bat を実行する.

cd C:\openpose-1.7.0-binaries-win64-gpu-python3.7-flir-3d_recommended\openpose
cd models
getBaseModels.bat

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,顔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\openpose
bin\OpenPoseDemo.exe --video examples\media\video.avi

Tesseract OCR 5 (文字認識)

Github dyama/alpr_jp

次を実行する.

cd c:\
rmdir /s /q alpr_jp
git clone https://github.com/dyama/alpr_jp

ipazc/mtcnn

Windows での pip の実行では,コマンドプロンプト管理者として実行することにする。

[image]

コマンドプロンプト管理者として実行し,次のコマンドを実行.

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

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

コマンドプロンプト管理者として実行し,次のコマンドを実行.

python -m pip install scikit-image cython
python -m pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI
cd c:\pytools
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)

muZero

コマンドプロンプト管理者として実行し,次のコマンドを実行.

cd c:\pytools
rmdir /s /q muzero-general
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

コマンドプロンプト管理者として実行し,次のコマンドを実行.

cd c:\pytools
rmdir /s /q gym
git clone https://github.com/openai/gym.git
cd gym
python -m pip install -e .