深層学習を使うので、今回はPython3を使って機械学習アプリを作っていきます。
環境構築
Anaconda3のインストール
まず、Python3を使える環境を作るため、Anaconda3をインストールしていきます。
ここを開いて、Download Nowから64bit版のAnaconda3をダウンロードしましょう。
ダウンロードしたものを実行するとAnaconda3のセットアップが始まります。
セットアップでは特に変更することなくNextで進み、以下の画面では上にチェックを入れましょう。
上にチェックを入れると、赤文字が出てきますが無視してチェックを入れておきましょう。
これにチェックを入れておくと、コマンドプロンプトでもPythonを実行できるようになります。
一応Anaconda3がインストールされているかをプログラムにAnaconda Navigatorがインストールされているかを確認しておきましょう。下のようなものが出てくればOKです。
Python環境構築・Tensorflow(GPU)のインストール
機械学習に用いるためのライブラリTensorflowをインストールしていきます。
anaconda navigatorを開いたら、左のEnvironmentsから、下のCreateをクリックし、新しい環境を作ります。名前は適当に入力してください。
作った環境の右にある▶のマークを押して、Open Terminalを選択しターミナルを開きましょう。
次にTensorflowをインストールしていきます。
ターミナルが開けたら、"conda install tensorflow"と入力し、実行しましょう。
インストールできているか確認するため、以下のように、"python"と入力した後に"import tensorflow"のように、インポートをして、>>>と次のコマンドが入力できるようになればOKです。
もし、インポートした後にエラーが表示される場合は、もう一度これまでの過程を注意してやってみましょう。
もし、使用しているPCにNVDIAのGPUが搭載されている場合は、より優れたGPU版のTensorflowのインストールの仕方を以下に紹介します。
搭載されていなければ、飛ばしても全く影響はありません。ただ、これから先に行う処理に少し時間がかかります。
CUDAのインストール
ここから、Download Nowをクリックし、CUDA Toolkitをダウンロードします。
以下の画面が出てきたら、一番右のLegacy Releasesをクリックします。
次に、以下のようにOSとVersionを設定したら、exe[local]を選択し、以下の2つをダウンロードしましょう。（Patchが複数ある場合は、すべてダウンロードしておきましょう。）
cuDNNのインストール
ここを開いて、cuDNNをインストールしていきます。
いまダウンロードしたInstallerを実行しましょう。すると、以下のように出てきますが、そのままインストールを進めていきます。
ダウンロードしたPatchも同じようにインストールしていきます。
次に、cuDNNをインストールします。
Download cuDNNをクリックします。ここで、NVIDIAの無料アカウントを作る必要があります。右のJoinからアカウントを作成し、Loginします。
以下のページになったら、Archived cuDNN Releasesから、cuDNN7.0.5とCUDA9.0を選択し、Windows10版をダウンロードします。cuDNNの最新版は、動作確認ができていませんので、古いバージョンを使用します。
ダウンロードしたファイルを解凍すると、以下のようなファイルが出てきます。
これらのファイルを先にダウンロードしたNVIDIA Toolkitの方にファイルの中身をコピーしていきます。
最後に、Tensorflowをダウンロードしていきます。
まず先でやったように、Anaconda Navigatorを起動し、新しい環境を作ります。
pythonのバージョンは、python3.6で環境を作りましょう。（python3.7でやった場合にはエラーが出るかもしれません）
この環境にtensorflowをインストールしていきます。"conda install tensorflow-gpu"として、インストールしましょう。
インストールできているか確認するため、以下のように、"python"と入力した後に"import tensorflow"のように、インポートをして、>>>と次のコマンドが入力できるようになればOKです。
もし、インポートした後にエラーが表示される場合は、もう一度これまでの過程を注意してやってみましょう。
これで、tensorflowのCPU版またはGPU版がインストールすることができ、環境構築が整いました。次は、画像判定のプログラムの前に画像収集のプログラムを作っていきます。
