トップページ ▶ インストール，使い方 ▶ Windows の種々のソフトウェア（インストール，使い方） ▶ TensorFlow 2.10 （GPU 対応可能）と Python のインストール，動作確認（Windows 上）
サイトマップ サイト内検索 まとめ アクセスログ

TensorFlow 2.10 （GPU 対応可能）と Python のインストール，動作確認（Windows 上）

全体構成 情報工学を学ぶ インストール，使い方 人工知能，実世界DB プログラム例とヒント 支援 連絡先，業績など

Windows で，次のことを行う．

  1. 前準備
  2. NVIDIA ドライバ，NVIDIA CUDA ツールキット, NVIDIA cuDNN のインストール
  3. 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
  4. TensorFlow 2 のインストール
  5. TensorFlow 2 のプログラム例
  6. TensorFlow, Keras, VGG 16, InceptionV3, Imagenet による画像分類を試してみる

TensorFlow は，機械学習のプラットフォームである．

CUDA は，NVIDIA社が提供している GPU 用のプラットフォームである． NVIDIA 社のグラフィックス・カードが持つ GPU の機能を使うとき，NVIDIA CUDA ツールキット を利用することができる．

GPU は，グラフィックス・プロセッシング・ユニットの略で、コンピュータグラフィックス関連の機能，乗算や加算の並列処理の機能などがある．

【サイト内の関連ページ】

参考 Web ページ

前準備

Build Tools for Visual Studio 2022 （ビルドツール for Visual Studio 2022）もしくは 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）もしくはVisual Studio 2022 を，前もってインストールしておく．NVIDIA CUDA の nvcc を機能させるため．

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

① はじめに

GPU は，グラフィックス・プロセッシング・ユニットの略で、コンピュータグラフィックス関連の機能，乗算や加算の並列処理の機能などがある． NVIDIA CUDA ツールキット は，NVIDIA社が提供している GPU 用のプラットフォームである．

【インストール手順の詳細（別ページ） 】

Windows での NVIDIA ドライバ，NVIDIA CUDA ツールキット 11.7.1，NVIDIA cuDNN v8.5 のインストールと動作確認: 別ページで説明している．

② TensorFlow, PyTorch 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

③ NVIDIA ドライバのインストール（Windows 上）

  1. 古いNVIDIA ドライバ，NVIDIA CUDA ツールキットがインストール済みのとき，不要なものがあればアンインストール

    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

  2. NVIDIA グラフィックス・カ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．

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

    但し， NVIDIA CUDA ツールキットの古いバージョンを使うという場合は，NVIDIA CUDA ツールキットのインストールのときに NVIDIA ドライバをインストールするのでなく，次のページから最新のNVIDIA ドライバをダウンロードして，インストールする．

    【NVIDIA ドライバのダウンロードページ】

    https://www.nvidia.co.jp/Download/index.aspx?lang=jp

④ NVIDIA CUDA ツールキット 11.7.1 のインストール（Windows 上）

【要点】

【インストール手順の詳細（別ページ） 】

Windows での NVIDIA ドライバ，NVIDIA CUDA ツールキット 11.7.1，NVIDIA cuDNN v8.5 のインストールと動作確認: 別ページで説明している．

【インストール手順の概要 】

NVIDIA CUDA ツールキット 11.7.1 のダウンロードとインストール

⑤ NVIDIA cuDNN v8.5 のインストール（Windows 上）

【要点】

【インストール手順 】

  1. ZLIB DLL のダウンロードとインストール

    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．

    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．

    [image]

    「v11.7」のところは，実際にインストールされている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\v11.7\bin"
curl -O http://www.winimage.com/zLibDll/zlib123dllx64.zip
call powershell -command "Expand-Archive zlib123dllx64.zip"
copy zlib123dllx64\dll_x64\zlibwapi.dll .

    [image]

    Windows で 「Could not locate zlibwapi.dll. Please make sure it is in your library path!」と表示されるときの対処：

    ここの説明を参考に ZLIB DLL をインストールする．

  2. NVidia の cuDNN のウェブページを開く

    https://developer.nvidia.com/cuDNN

  3. ダウンロードしたいので，cuDNNのところにある「Download cuDNN」をクリック．

    [image]
  4. NVIDIA Developer Program メンバーシップに入る

    cuDNN のダウンロードのため．

    「Join now」をクリック．その後，画面の指示に従う． 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．

    [image]
  5. ログインする

    [image]
  6. 調査の画面が出たときは，調査に応じる
  7. ライセンス条項の確認

    [image]
  8. ダウンロードしたいバージョンを選ぶ

    ここでは「NVIDIA cuDNN v8.5.0 for CUDA 11.x」を選んでいる．

    このとき，画面の「for CUDA ...」のところを確認し，使用するNVIDIA CUDA のバージョンに合うものを選ぶこと．

    [image]
  9. Windows にインストールするので Windows 版を選ぶ

    [image]
  10. ダウンロードが始まる．

    [image]
  11. ダウンロードした .zip ファイルを展開（解凍）する． その中のサブディレクトリを確認しておく．

    ※ Windows での展開（解凍）のためのソフトには，「7-Zip」などがある．

    [image]
  12. 「CUDA ツールキットをインストールしたディレクトリ」は，「C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7」 のようになっている．確認する．

    [image]
  13. 確認したら， さきほど展開してできたすべてのファイルとディレクトリを，「CUDA ツールキットをインストールしたディレクトリ」にコピーする

    [image]
  14. パスが通っていることを確認．

    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

    [image]
  15. Windows の システム環境変数 CUDNN_PATH の設定を行う．

    システム環境変数 CUDNN_PATH の設定のため， 管理者として実行した 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(\"CUDNN_PATH\", \"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\", \"Machine\")"

    [image]

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

インストールする Python のバージョンの確認

TensorFlow，PyTorch のバージョンは何でも良い場合（あるいは，TensorFlow，PyTorch を使う予定がない場合）

TensorFlow，PyTorch のバージョンは何でも良い場合（あるいは，TensorFlow，PyTorch を使う予定がない場合）は， Python 3.10 を使う．

Python 3.10 の根拠：

使用したい TensorFlow, PyTorch が決まっている場合（あるいは，古いバージョンの Python を使いたい場合）

使用したい TensorFlow, PyTorch が決まっている場合（あるいは，古いバージョンの Python を使いたい場合）では， 次により， Python, TensorFlow, PyTorch のバージョンの組み合わせを確認する．

① 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】

http://www.python.org/

【Python の利用】

Python は，次のコマンドで起動できる．

② pip と setuptools の更新

Windows での pip と setuptools の更新

  1. Windows で，コマンドプロンプトを管理者として実行

    Windows で pip を実行するときは，コマンドプロンプトを管理者として実行し，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: 別ページで説明している．

  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．

③ 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

Windows での Python 開発環境のインストール

  1. Windows で，コマンドプロンプトを管理者として実行

    Windows で pip を実行するときは，コマンドプロンプトを管理者として実行し，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: 別ページで説明している．

  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]

TensorFlow 2 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

インストール手順

  1. 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: 別ページで説明している．

  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, Keras 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．

    Windows で pip を実行するときは，コマンドプロンプトを管理者として実行し，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-text tf-models-official tf_slim tensorflow_datasets tensorflow-hub keras keras-tuner keras-visualizer

    [image]
  5. TensorFlow 2.10 (2.10 は，2022/9 時点のTensorFlow の最新版) ，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 tf-models-official 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. Windows の システム環境変数 TF_FORCE_GPU_ALLOW_GROWTH に，true を設定

    管理者として実行した 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(\"TF_FORCE_GPU_ALLOW_GROWTH\", \"true\", \"Machine\")"

    [image]

動作確認

TensorFlow がインストールできたかを確認したい．

  1. Windows では，コマンドプロンプトを実行．
  2. 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]
    • Windows での NVIDIA ドライバ，NVIDIA CUDA ツールキット 11.7.1，NVIDIA cuDNN v8.5 のインストールと動作確認: 別ページで説明している．
  3. TensorFlow パッケージの情報の表示 

    pip show tensorflow

    [image]
  4. (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 8.2，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 11.7.1，NVIDIA cuDNN v8.5 のインストールと動作確認: 別ページで説明している．

TensorFlow 2 のプログラム例

  1. TensorFlow がインストールできたかを確認したい．

    Windows で Python プログラムを動かす．

    Python プログラムの実行

    Python 開発環境（Jupyter Qt Console, Jupyter ノートブック (Jupyter Notebook), Jupyter Lab, Nteract, Spyder, PyCharm, PyScripterなど）も便利である．

    Python のまとめ: 別ページにまとめている．

    結果として 「b'Hello, TensorFlow!'」のように表示されるので確認する． 

    import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
print(hello)
exit()

    [image]
  2. 今度は，次の Python プログラムを実行してみる．

    結果として 「42」のように表示されるので確認する．

    「tf.add(a, b)」と「a + b 」は，同じ結果になる 

    import tensorflow as tf
a = tf.constant(10)
b = tf.constant(32)
print( tf.add(a, b) )
print( a + b )
exit()

    [image]
  3. 今度は，次の Python プログラムを実行してみる．

    結果として 「[[ 12.]]」のように表示されるので確認する． 

    import tensorflow as tf
matrix1 = tf.constant([[3., 3.]])
matrix2 = tf.constant([[2.],[2.]])
print( tf.matmul(matrix1, matrix2) )
exit()

    [image]

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． 

    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()」

Last Modified:09/28/2022 12:10:15 (最終更新日時)

本サイトは金子邦彦研究室のWebページである．

資料等の公開では，原則，「クリエイティブコモンズ BY NC SA」として公開するようにしている． PDFファイル，パワーポイントファイルなどには， 「クリエイティブコモンズ BY NC SA」を明記するとともに，ロゴを記載するようにしている（作業が間に合っていない分もあるのでご容赦ください）．

公開している資料をご利用になる場合の，再配布の条件，剽窃の防止などについて，別ページで説明している． 再配布や資料改変の際には，そのページをご確認ください．

サイトマップは，サイトマップのページをご覧下さい． 本サイト内の検索は，サイト内検索のページをご利用下さい．

問い合わせ先： 金子邦彦（かねこ くにひこ） [image]